P2RP-LP3M UB
Portofolio Perkuliahan
UNIVERSITAS BRAWIJAYA
FAKULTAS MIPA
JURUSAN STATISTIKA / PROGRAM STUDI SARJANA STATISTIKA
Mata Kuliah:
Statistika Matematika I
Kode:
MAS61114
RMK:
Teori dan Komputasi
Semester:
Ganjil Dosen Dr. Suci Astutik, S.Si., M.Si.
Pendahuluan
Mata kuliah Statistika Matematika, baik I maupun II adalah mata kuliah yang sudah diampu oleh dosen pengajar selama sekitar 5 tahun. Dari awal mengajar yang masih belum menemukan seninya untuk mata kuliah yang bersifat teoritis ini, dosen pengajar sudah mulai menemukan strategi yang tepat untuk menyampaikan materi pada mata kuliah ini. Mengenai hasil akhir dari pemahaman mahasiswa, akhirnya kembali kepada kemampuan dasar mahasiswa dan pemahaman mereka akan mata kuliah – mata kuliah pendukung. Namun dosen pengajar akan tetap mempelajari seluruh karakter mahasiswa yang mungkin jadi kendala di dalam pemahaman mereka, dan merubah strategi pengajaran jika diperlukan.
1 Tujuan
Tujuan Umum:
Mata kuliah ini diajarkan supaya mahasiswa mampu menerapkan konsep dan sifat - sifat sebaran peluang bersama bagi (dua) variabel diskrit dan kontinyu, untuk menunjang pengembangan statistika terapan.
Mata kuliah ini diajarkan untuk mendukung Capaian Pembelajaran Program Studi (Intended Learning Outcome - ILO) berikut ini:
- ILO 1: Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.
- ILO 5: Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah
- ILO 6: Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data - ILO 8: Mampu menerapkan dan menginternalisasi semangat kemandirian,
kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.
Sedangkan capaian pembelajaran dari Mata Kuliah (Course Learning Outcome - CLO) Statistika Matematika II ini adalah:
- CLO 1: Mahasiswa mampu menerapkan konsep sebaran bersama bagi (dua)
P2RP-LP3M UB
peubah acak diskrit maupun kontinyu
- CLO 2: Mahasiswa mampu menerapkan konsep pembentukan sebaran peubah yang merupakan fungsi dari peubah lain
- CLO 3: Mahasiswa mampu menerapkan konsep sebaran penarikan contoh sebaran yang merupakan turunan dari sebaran normal
- CLO 4: Mahasiswa mampu menyampaikan konsep yang dipahaminya dalam bentuk post test dan ujian tertulis
Masing – masing Capaian Pembelajaran Mata Kuliah (CLO) memberikan dukungan terhadap Capaian Pembelajaran Program Studi (ILO) dengan presentase tertentu yang detilnya dapat dilihat pada matriks hubungan antara CLO MK Statistika Matematika I dan ILO yang disajikan pada Tabel 1.
Tabel 1. Matriks Hubungan antara CLO dan ILO MK Statistika Matematika II
ILO1 ILO2 ILO3 ILO4 ILO5 ILO6 ILO7 ILO8
CLO1 1 0 0 0 0 0 0 0
CLO2 1 0 0 0 0 0 0 0
CLO3 1 0 0 0 0 0 0 0
CLO4 0 0 0 0 0,5 0,3 0 0,2
2 Strategi Pembelajaran
Perkuliahan ini menyajikan materi yang bersifat teori matematis. Untuk itu digunakan strategi berikut ini:
- Memberikan materi perkuliahan dalam bentuk ppt/pdf kepada mahasiswa untuk dipelajari sebelum perkuliahan dimulai
- Menyajikan materi secara detil, menyajikan penurunan rumus - rumus dengan penjelasan yang dapat diikuti secara mandiri, disertai ilustrasi grafik jika perlu - Menyajikan materi di depan kelas dengan cara elaborasi detil seluruh teori yang
disajikan pada power point, dengan contoh – contoh terapan dan menurunkannya kembali langkah demi langkah di white board.
- Meminta masukan dari mahasiswa selama sesi penyajian materi mengenai perlunya dosen menjelaskan ulang atau memperlambat kecepatan di dalam menjelaskan.
- Memberikan latihan kasus yang serupa dengan contoh yang sudah dijelaskan dosen. Karena sifatnya latihan, maka dosen akan membantu dan menjelaskan ulang solusinya setelah mahasiswa mencoba secara individu maupun berdiskusi dengan teman.
- Memberikan tugas untuk kasus yang memerlukan banyak waktu untuk elaborasi, sehingga harus dikerjakan di rumah. Tugas dikerjakan secara mandiri di rumah, dengan masih memungkinkan untuk mengakses materi/catatan.
- Membahas tugas di kelas dengan cara memberi kesempatan pada mahasiswa untuk menjelaskan tugas yang telah dikerjakan secara tulis dan lisan.
- Menjelaskan ulang bagian-bagian yang dirasa kurang dipahami (dari hasil tugas) pada pertemuan berikutnya.
P2RP-LP3M UB
- Mengaktifkan peran asisten untuk memberi penjelasan dan latihan tambahan kepada mahasiswa pada sesi responsi
3 Pengelolaan Perkuliahan
Mata kuliah ini adalah mata kuliah 3 sks dengan responsi. Pertemuan terjadwal satu minggu sekali (3 kali 50 menit) selama 14 minggu, dan 8 kali responsi oleh asisten (masing – masing 50 menit). Untuk UTS dilaksanakan terjadwal setelah 7 kali pertemuan, sedangkan UAS juga dilaksanakan terjadwal setelah pertemuan ke 14.
Perkuliahan:
- Jadwal: Pertemuan dijadwalkan setiap hari Kamis, jam 7.30 – 10.15 WIB.
- Pada setiap pertemuan, mengingat materi perkuliahan yang menuntut konsentrasi tinggi dari mahasiswa, dosen menyajikan materi pada dua sks pertama. 15 sampai 20 menit dari satu sks terakhir digunakan mahasiswa untuk berlatih, menerapkan konsep yang sudah dijelaskan pada kasus yang berbeda.
Sedangkan 30 menit terakhir dimanfaatkan untuk mengerjakan post test.
- Setiap pertemuan mempunyai capaian pembelajaran yang spesifik sesuai materi yang disampaikan. Untuk mengukur ketercapaiannya, telah dirancang pemberian post test atau tugas. Hasil post test atau tugas tersebut dijadikan bahan evaluasi, untuk mengulang bagian – bagian yang dirasa perlu pada pertemuan selanjutnya. Sesuai yang dirancang pada RPS, untuk mata kuliah ini diberikan beberapa asesesment dengan materi dan bobot setiap assessment terhadap nilai akhir seperti yang tersaji pada Tabel 2. Semua bentuk penilaian di atas harus dikerjakan secara mandiri oleh mahasiswa
Responsi
- Asisten yang memegang kelas responsi adalah: Defit Fitri Yuliana dan Agis Wahyu Lestari
- Responsi diselenggarakan di kelas, karena tidak memerlukan lab komputer - Diselenggarakan dengan tujuan pemantapan materi, melalui sesi diskusi dengan
asisten dan latihan pengayaan soal.
- Materi setiap minggunya adalah hasil diskusi dengan dosen, sesuai dengan kecepatan penyampaian materi perkuliahan setiap minggunya.
- Jadwal: Responsi dilaksanakan setiap hari Senin, jam 16.40 – 17.40 WIB.
- Responsi diselenggarakan 8 kali, dan baru dapat dimulai pada minggu ke 5 (kebijakan PS untuk memberi waktu dalam penjaringan asisten dan akumulasi materi dari dosen) dan tidak dilaksanakan selama minggu UTS (8 dan 9) dengan rincian meteri setiap minggu sebagai berikut:
1. Minggu ke-5: Fungsi sebaran peluang gabungan, marginal, bersyarat 2. Minggu ke-6: Nilai harapan
3. Minggu ke-7: Metode Fungsi Sebaran, Metode transformasi 4. Minggu ke-10: Pemberian Tugas Responsi I
5. Minggu ke-11: Membahas jawaban tugas I yang diberikan minggu sebelumnya
P2RP-LP3M UB
6. Minggu ke-12: Metode Fungsi pembangkit momen
7. Minggu ke-13: Sebaran dari fungsi peubah acak, order statistic (Statistik urutan) serta pemberian tugas responsi II
8. Minggu ke-14: Sebaran penarikan contoh dan sebaran turunan dari sebaran normal
4 Isi Perkuliahan
- Sifat - sifat fungsi gabungan pada peubah acak bivariate diskrit maupun kontinyu, beserta konsep hitung peluang bersama
- Pembentukan sebaran marjinal, peluang bersyarat, sebaran peluang bersyarat dan kebebasan dua peubah acak
- Pembentukan nilai harapan untuk peubah acak berganda, kovarians dan korelasi - Pembentukan nilai harapan bersyarat
- Metode fungsi sebaran dan metode transformasi untuk pembentukan sebaran peubah acak sebagai fungsi dari peubah acak yang lainnya
- Penggunaan metode fungsi sebaran untuk membentuk statistika urutan
- Sifat - sifat fungsi pembangkit momen dan penggunaan fungsi pembangkit momen untuk pembentukan sebaran peubah acak sebagai fungsi dari peubah acak yang lainnya
- Pembentukan sebaran penarikan contoh dan sebaran - sebaran yang diturunkan dari sebaran normal
- Sifat kekonvergenan dan kaidah bilangan besar - Sifat - sifat sebaran normal bivariate
Kesesuaian antara materi perkuliahan yang dirancang pada kurikulum dengan prakteknya dapat dilihat pada Lampiran 1.
5 Peserta Kuliah
Mata kuliah ini adalah mata kuliah wajib yang diikuti oleh Mahasiswa Program Studi Sarjana Statistika FMIPA UB, angkatan 2018. Untuk Statistika Matematika kelas B diikuti oleh 45 mahasiswa.
6 Persentase Kehadiran
Kehadiran dosen adalah 100% sedangkan kehadiran mahasiswa rata – rata sebesar 98%
7 Sistem Evaluasi
- Evaluasi per dua minggu dilakukan melalui pemberian tugas. Setiap tugas mencakup dua pertemuan. Tugas diberikan per dua minggu karena rata-rata satu topik materi selesai dalam dua minggu. Tujuan dari evaluasi ini adalah untuk menggali pemahaman mahasiswa apakah sudah sesuai dengan tujuan perkuliahan di setiap minggu/pertemuan. Hasil tugas dimanfaatkan dosen untuk membahas ulang materi yang dirasa kurang pemahamannya.
- Evaluasi beberapa materi melalui Kuis yang mengukur pemahaman dari 3 atau 4 pertemuan. Tipe soal menyerupai soal UTS/UAS, sehingga mahasiwa
P2RP-LP3M UB
mempunyai bayangan mengenai persiapan menghadapi UTS/UAS. Hanya saja untuk kuis mahasiswa masih diberi kesempatan membuka catatan (open resume) - Evaluasi materi sampai dengan tengah semester melalui UTS, yang
diselenggarakan secara terjadwal.
- Evaluasi materi setelah tengah semester sampai dengan akhir semester melalui UAS, yang diselenggarakan secara terjadwal.
- Evaluasi hasil responsi, yang diberikan oleh asisten. Aspek penilaian adalah keaktifan dan pemahaman materi dari tugas – tugas pengayaan yang diberikan asisten. Asistem menentukan tipe soal pada tugas pengayaan setelah berkonsultasi terlebih dahulu dengan dosen.
Pada minggu UTS dan UAS seluruh kegiatan perkuliahan diliburkan, sehingga mahasiswa konsentrasi untuk menghadapi UTS/UAS.
Soal untuk seluruh tipe evaluasi dibuat standar/sama untuk kelas pararel, yang merupakan hasil diskusi dari tim pengajar. Materi yang dievaluas untuk setiap asessment dan bobotnya dapat dilihat pada Tabel 2.
Tabel 2 Asesmen dan materi yang diukur, serta pembobotan setiap assessment terhadap nilai akhir dan Capaian Pembelajaran Mata Kuliah (Course Learning Outcome – CLO)
Asesment Materi
Bobot terhadap
Nilai akhir
CLO 1 CLO 2 CLO 3 CLO 4 Bobot Asesment terhadap CLO (Course
Learning Outcome)
Tugas 1
Sifat-sifat fungsi gabungan peubah acak bivariate diskrit maupun kontinu, Peluang bersyarat
Kebebasan dua peubah acak
0.03 0.9 0 0 0.1
Tugas 2
Pembentukan nilai harapan untuk peubah acak berganda, bersyarat
Kovarians dan Korelasi
0.03 0.9 0 0 0.1
Tugas 3
Metode fungsi sebaran, metode transformasi, fungsi pembangkit momen
0.03 0.4 0.5 0 0.1
Tugas 4
pembentukan sebaran peubah yang merupakan fungsi dari peubah lain
0.03 0 0.9 0 0.1
Tugas 5
Pembentukan sebaran penarikan contoh dan sebaran - sebaran yang diturunkan dari sebaran normal
0.03 0 0 0.9 0.1
Tugas 6 Sifat-sifat sebaran normal
bivariat 0.03
0.5 0 0.4 0.1
Kuis 1 Fungsi peluang gabungan dan
nilai harapan 0.05
0.9 0 0 0.1
Kuis 2
Metode fungsi sebaran, metode transformasi, fungsi
pembangkit momen, 0.05
0.6 0.4 0 0
P2RP-LP3M UB
sebaran penarikan contoh dan sebaran - sebaran yang diturunkan dari sebaran normal
Responsi
Fungsi peluang gabungan, metode fungsi sebaran, transformasi, fungsi pembangkit momen
0.1 0.25 0.25 0.25 0.25
UTS 1 Fungsi peluang gabungan dan
nilai harapan 0.25 0.9 0 0 0.1
UTS 2
Fungsi peluang gabungan, Metode fungsi sebaran, transformasi, fungsi pembangkit momen, Sebaran penarikan contoh dan sebaran - sebaran yang diturunkan dari sebaran normal
0.25 0.3 0.3 0.3 0.1
8 Pengamatan Kelas
Di dalam perkuliahan mahasiswa aktif berpartisipasi baik itu di dalam mengajukan pertanyaan maupun bersedia maju ke depan untuk menyelesaikan kasus di white board.
Sayangnya hanya sekitar 40% dari mahasiswa saja yang berpartisipasi aktif. Secara tidak langsung mahasiswa sudah mempunyai pola di dalam pengaturan tempat duduk mereka di dalam kelas. 40% mahasiswa dalam kategori aktif ini adalah mahasiswa yang duduk di dua barisan terdepan, sedangkan mahasiswa yang duduk di 3 baris belakangnya teramati lebih bersifat pasif. Beberapa pengamatan bagi mahasiswa yang bersifat pasif ini:
- Berpandangan kosong di kelas, tidak ada respons ketika diminta informasi mengenai pemahaman mereka
Hanya “menonton” penjelasan dan penurunan rumus yang dilakukan dosen di white board, tanpa membuat catatan atau mencoba sendiri. Ada bahkan di antara mereka yang tidak membuka catatan apapun di atas bangku kuliah.
Untuk mengantisipasi kecepatan pemahaman yang tidak seragam, maka dosen mengatur ulang waktu penyampaian, sesuai dengan observasi mengenai pemahaman mahasiswa.
Oleh sebab itu ada beberapa materi yang diundurkan waktu penyampaiannya pada minggu setelah jadwal yang seharusnya, tanpa mengurangi keseluruhan materi yang harus disampaikan.
9 Hasil Belajar
Hasil belajar setiap mahasiswa tercermin dari nilai di setiap assessment. Nilai – nilai tersebut dengan bobot masing – masing diolah menjadi nilai akhir, yang nantinya sesuai dengan aturan konversi, dirubah menjadi nilai angka yang dicetak pada KHS/Transkrip mahasiswa. Selain diolah menjadi nilai akhir, nilai di setiap assessment, dengan memperhatikan persentase kontribusi CLO terhadap setiap ILO (Tabel 1) dan bobot
P2RP-LP3M UB
setiap assessment terhadap CLO (Tabel 2), diolah dengan bantuan software OBES, sehingga setiap mahasiswa juga mempunyai nilai di setiap CLO dan ILO.
Deskripsi nilai dari setiap CLO dapat dilihat pada Tabel 3, dan Gambar 1. Gambar 1 (a) menyajikan indeks capaian rata – rata mahasiswa pada masing – masing CLO. Gambar 1 (b) menyajikan persentase mahasiswa dengan nilai capaian di atas 60. Pada kedua gambar, setiap sudut dari segi lima merepresentasikan setiap CLO, dan lintasan segi lima terluar menunjukkan capaian yang paling tinggi. Semakin luar posisi garis biru, maka semakin tinggi indeks capaian dari suatu CLO.
Sesuai dengan kategori capaian yang tersaji pada Tabel 4, dapat disimpulkan beberapa hal berikut ini:
- Semua CLO, berada pada kategori pencapaian satisfactory.
- Capaian pembelajaran terkait sifat-sifat fungsi peluang gabungan (CLO1) dan kemampuan menyampaikan konsep yang dipahami secara tertulis (CLO4) adalah yang paling rendah di antara semua capaian yang lain, dengan persentase terendah (91.11%) mahasiswa yang memperoleh nilai capaian di atas 60.
- Semua CLO berada pada kategori persentase tinggi (HIGH) dalam hal banyaknya mahasiswa dengan nilai capaian di atas 60.
Tabel 3. Deskripsi Nilai dan Kategori Capaian untuk Setiap CLO MK Statistika Matematika I
CLO1 CLO2 CLO3 CLO4
Rata - rata 71.93 74.37 76.7 73.85
Kategori Capaian SATISFAC TORY
SATISFAC TORY
SATISFAC TORY
SATISFAC TORY Banyaknya mahasiswa
dengan CLO>60 41 42 44 41
Persentase mahasiswa
dnegan CLO>60 91.11 93.33 97.78 91.11
Kategori Persentase HIGH HIGH HIGH HIGH
Tabel 4. Kategori nilai CLO/ILO, dan Kategori Persentase Mahasiswa yang mencapai CLO/ILO >60
Kategori nilai CLO/ILO Kategori persentase mhs dengan CLO/ILO>60
Skor >=80 EXCELLENT Persen>=70 HIGH
65<= Skor <80 SATISFACTORY 60 <= Persen < 70 MEDIUM 50<= Skor <65 DEVELOPING 50 <= Persen < 60 LOW 0<= Skor <50 UNSATISFACTORY Persen < 50 VERY LOW
P2RP-LP3M UB
(a) (b)
Gambar 1. Visualisasi (a) indeks capaian dan (b) presentasi mahasiswa dengan capaian
>60 di setiap CLO MK Statistika Matematika I
Selain nilai untuk capaian pembelajaran mata kuliah (CLO), dapat dianalisis pula nilai dari setiap ILO yang didukung oleh mata kuliah ini. Deskripsi mengenai pencapaian ILO dari mata kuliah ini disajikan pada Tabel 5, dan Gambar 2. Gambar 2 (a) menyajikan indeks capaian rata – rata mahasiswa pada masing – masing ILO yang didukung oleh mata kuliah ini. Gambar 2 (b) menyajikan persentase mahasiswa dengan nilai capaian di atas 60. Pada kedua gambar, setiap sudut dari segi delapan merepresentasikan setiap ILO, dan lintasan segi delapan terluar menunjukkan capaian yang paling tinggi. Semakin luar posisi garis biru, maka semakin tinggi indeks capaian dari suatu ILO.
Beberapa hal yang dapat disimpulkan dari dukungan mata kuliah ini terhadap Capaian Pembelajaran Program Studi (ILO):
- Semua ILO yang berada pada kategori capaian Satisfactory yaitu:
- ILO 1: Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.
- ILO 5: Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah
- ILO 6: Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data - ILO 8: Mampu menerapkan dan menginternalisasi semangat kemandirian,
kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.
Walaupun tidak semua mahasiswa memperoleh nilai capaian di atas 60 untuk kedua ILO tersebut, namun kategori persentase mahasiswa dengan nilai capaian
0 20 40 60 80 100CLO1
CLO2
CLO3 CLO4
Weighted-avg-based CLO's AI
Achievement Index of MAS61114
85 90 95 100CLO1
CLO2
CLO3 CLO4
Student num-based CLO's AI
Achievement Index of MAS61114
P2RP-LP3M UB
di atas 60 masih HIGH.
Tabel 5. Deskripsi Nilai dan Kategori Capaian untuk Setiap ILO yang didukung oleh MK Statistika Matematika II
ILO1 ILO 2
ILO 3
ILO
4 ILO5 ILO6 ILO
7 ILO8
Rata - rata terboboti 73.38 73.85 73.85 73.85
Kategori Capaian SATISFA
CTORY SATISFA
CTORY
SATISFA
CTORY SATISFA
CTORY Banyaknya
mahasiswa dengan
ILO>60 42 41 41 41
Persentase mahasiswa dnegan ILO>60
91.11 91.11 91.11 91.11
Kategori HIGH HIGH HIGH HIGH
(a) (b)
Gambar 2. Visualisasi (a) indeks capaian dan (b) presentasi mahasiswa dengan capaian
>60 di setiap ILO yang didukung oleh MK Statistika Matematika II 10 Kendala
- Kemampuan/pemahaman mahasiswa mengenai teori peluang dan kalkulus yang kurang, di mana kedua hal topik tersebut adalah dasar untuk memahami materi di MK ini
- Harus diselenggarakannya kuliah secara online pada paruh semester kedua, yang mengurangi keleluasaan dosen untuk menurunkan rumus – rumus secara detil.
Setting kuliah secara online juga mempersulit dosen untuk menggali pemahaman mahasiswa, yang dapat dilakukan ketika bertemu langsung.
0 20 40 60 80 100ILO1
ILO2
ILO3
ILO4 ILO5
ILO6 ILO7
ILO8
Weighted-avg-based ILO's AI
Achievement Index of MAS61114
85 90 95 100ILO1
ILO2
ILO3
ILO4 ILO5
ILO6 ILO7
ILO8
Student num-based ILO's AI
Achievement Index of MAS61114
P2RP-LP3M UB
11 Distribusi Nilai
Nilai akhir diperoleh dari pembobotan seluruh komponen penilaian/asessment seperti yang disajikan pada kolom tiga di Tabel 2. Sedangkan statistika deskriptif dari nilai akhir dapat dilihat di Tabel 6. Rata – rata nilai akhir mahasiswa adalah 73.44, dengan kurang dan lebihnya 11 poin dari rata – rata tersebut. Terdapat satu mahasiswa dengan nilai paling rendah (43.8), dan nilai tertinggi (99.3) dicapai oleh 1 mahasiswa.
Tabel 6. Statistika Deskriptif Nilai Akhir Statistika Matematika I 2019/2020 Statistik Nilai
Rata rata 73.44
Median 71.96
Simpangan baku 11.02
Range 55.5
Minimum 43.8
Maximum 99.3
Setelah dikonversi menjadi nilai huruf sesuai standar konversi penilaian, sebaran nilai huruf dapat dilihat pada Gambar 3. Gambar tersebut menunjukkan bahwa terdapat lebih dari separuh mahasiswa memiliki nilai di atas C, persentase terbesar ada pada nilai C+.
Hal ini berarti bahwa sebagian besar kemampuan mahaisswa dalam kategori cukup.
Perhatian lebih harus diberikan kepada mahasiswa dengan nilai D, agar dapat mengulang mata kuliah ini di semester regular maupun semester pendek, agar terhindar dari aturan nilai D yang tidak lebih dari 10% total sks di akhir studinya.
Gambar 3. Sebaran nilai akhir huruf MK Statistika Matematika I 2019/2020 12 Kesimpulan
- Dengan segala kendala dan kemampuan dasar mahasiswa yang sudah “given”
nilai akhir yang diperoleh masih mencerminkan bahwa strategi dan cara pembelajaran dapat diterima dengan baik oleh sebagian besar mahasiswa.
- Sedikit melesetnya rencana jadwal penyampaian materi dengan realisasinya,
22%
13%
22%
29%
11%
2% 0 0
0%
5%
10%
15%
20%
25%
30%
35%
A B+ B+ C+ C D+ D E
Persen
Nilai
Persen Nilai Huruf
P2RP-LP3M UB
yang awalnya bertujuan untuk menyesuaikan kecepatan dengan kemampuan mahasiswa, malah mengorbankan waktu pembahasan di materi tertentu, sehingga hasil pembelajaran di materi tersebut menjadi tidak optimal.
13 Rekomendasi Perbaikan
- Perlu koordinasi dengan pengajar mata kuliah yang menjadi dasar pemahaman di mata kuliah ini. Disarankan agar dosen di mata kuliah dasar selalu memberikan motivasi pemanfaatan teori tersebut pada mata kuliah lain-lainnya.
- Perlu lebih “membumikan” bahasa teeri di mata kuliah ini pada kasus – kasus terapan, untuk mempermudah pemahaman mahasiswa.
- Memberikan kesempatan kepada mahasiswa untuk lebih aktif di kelas - Memperbanyak contoh soal
- Penyampaian materi lebih pelan
- Memodifikasi dalam cara penyampaian materi agar mahasiswa tidak bosan (misal : game)
- Memperbanyak latihan soal
- Perlu lebih menjelaskan penjabaran teori dan turunan - Sebaiknya soal UAS tidak gabung dengan dosen yang lain
P2RP-LP3M UB
Lampiran 1
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 6 7
8 dan 9
10 11 12 13 14 15 16 17
1 Kontrak Kuliah
Kontak kuliah, review fungsi peluang
Sifat - sifat fungsi gabungan pada peubah acak bivariate diskrit maupun kontinyu, beserta konsep hitung peluang bersama
2 Pembentukan
sebaran marjinal, Review
Peluang
3 Pembentukan peluang bersyarat
Kebebas ab 2 peubah acak
4 Kuis
Fungsi peubah acak
5 Kebebasan dua
peubah acak
Kuis
Pembentukan nilai harapan untuk peubah acak berganda 6 Kovarians dan korelasi dari dua peubah acak
Pembah asan kuis
Pembentukan nilai harapan bersyarat
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 6 7
8 dan 9
10 11 12 13 14 15 16 17
7 Metode fungsi sebaran dan metode transformasi untuk pembentukan sebaran peubah acak sebagai fungsi dari peubah acak yang lainnya
Metode transfor masi
8 dan
9
UTS
10 Penggunaan metode fungsi sebaran untuk membentuk statistika urutan
Fungsi pembangk it momen
11 Sifat - sifat fungsi pembangkit momen dan penggunaan fungsi pembangkit momen untuk pembentukan sebaran peubah acak sebagai fungsi dari peubah acak yang lainnya
Fungsi sebaran pada statistik order
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 6 7
8 dan 9
10 11 12 13 14 15 16 17
12 Pembentukan sebaran penarikan contoh dan sebaran - sebaran yang diturunkan dari sebaran normal
Sebaran Penarikan contoh
13 Kuis
Turuanan sebaran noraml
14 Pembentukan sebaran penarikan contoh dan sebaran - sebaran yang diturunkan dari sebaran normal
Lanjutan turunan sebaran noramal, sifat kekonver genan
Sifat
kekonvergenan dan kaidah bilangan besar 15 Sifat - sifat
sebaran normal bivariat
Kuis
16 Sifat - sifat sebaran normal bivariat
Pembah asan kuis dan review materi
17 UAS
U
A
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 6 7
8 dan 9
10 11 12 13 14 15 16 17
S
Kehadiran (%) 98% 93% 98% 100% 98% 96% 100% 100% 96% 98% 98% 98% 98% 100%
P2RP-LP3M UB
Lampiran 2. Daftar Rincian Nilai
NIM Nama ABS T1 T2 T3 T4 T5 T6 Responsi KUIS 1 KUIS 2 UTS UAS
'185090500111001 Ajeng Jasmine Firdausy 100 100 100 100 100 100 100 91.5 27.5 32.5 57.5 62.5 '185090500111003 Muhammad Naufal Amanullah 100 100 100 100 100 100 100 96 85 90 100 105 '185090500111004 Dini Amalia 100 100 100 100 100 100 100 93 41.5 0 50 55 '185090500111005 Riski Fausta 100 100 100 100 100 100 100 90 45 2.5 65 70 '185090500111006 Chika Rafika Ayu Pramesthi 100 100 100 100 100 100 100 91.5 57.5 32.5 75 80 '185090500111011 Fari`S Yukla Robiatul Masputra 100 100 100 100 100 100 100 85 37.5 75 70 75 '185090500111013 Irene Sugiarto 100 100 100 100 100 100 100 95 47.5 10 50 55 '185090500111019 Shafiyah Rabith Al Izzah 100 100 100 100 100 100 100 83 25 0 50 55 '185090500111020 Talitha Syamsa Rahma 100 100 100 100 100 100 100 91.5 62.5 5 45 50 '185090500111022 Novi Elsa Nurasih 100 100 100 100 100 100 100 82.38 42.5 0 40 45 '185090500111023 Anissa Setiyani 100 100 100 100 100 100 100 83.5 50 27.5 70 75 '185090500111024 Stefany Paulina P 100 100 100 100 100 100 100 85.5 60 72.5 72.5 77.5 '185090500111025 Nabilla Assalwa Putri Andianto 100 100 100 100 100 100 100 89.88 32.5 0 42.5 47.5 '185090500111028 Faizal Nawawi 100 100 100 100 100 100 100 91.88 40 2.5 55 60 '185090500111029 Aliyah Rahmah Pratiwi 100 100 100 100 100 100 100 90 52.5 25 77.5 82.5 '185090500111035 Lailatul Hasanah 100 100 100 100 100 100 100 78.5 22.5 0 15 20 '185090500111036 M. Zainul Abidin 100 100 100 100 100 100 100 91.25 27.5 0 55 60 '185090500111044 Muhammad Boby Prima Insani 100 100 100 100 100 100 100 95.5 47.5 32.5 52.5 57.5 '185090500111048 Moh. Sirotjudin 100 100 100 100 100 100 100 84.63 30 45 60 65 '185090501111003 Mukhammad Syarif Hidayatulloh 100 100 100 100 100 100 100 95.5 57.5 92.5 47.5 52.5 '185090501111007 Kristina Dwi Yulianti 100 100 100 100 100 100 100 79.75 67.5 0 55 60 '185090501111014 Indah Retnowati 100 100 100 100 100 100 100 93 47.5 67.5 67.5 72.5 '185090501111015 Nizam Adil Rais 100 100 100 100 100 100 100 82.38 57.5 35 62.5 67.5 '185090501111017 Sahiradewi Daffana Parahitasari 100 100 100 100 100 100 100 93 75 60 60 65 '185090501111018 Elok Pratiwi 100 100 100 100 100 100 100 95.5 67.5 80 67.5 72.5 '185090501111019 Pratiwi Dwi Yanti 100 100 100 100 100 100 100 94.5 70 90 57.5 62.5
P2RP-LP3M UB
'185090501111020 Lailatul Fitria 100 100 100 100 100 100 100 93 72.5 30 47.5 52.5 '185090501111023 Avida Zahra 100 100 100 100 100 100 100 95 72.5 92.5 65 70
'185090501111024 Ira Humairo 100 100 100 100 100 100 100 95 50 60 40 45
'185090501111026 Riska Melani Fresdianti 100 100 100 100 100 100 100 90 57.5 60 40 45 '185090501111028 Mohammad Hilmi Susanto 100 100 100 100 100 100 100 87.5 35 5 60 65 '185090501111033 Henida Ratna Ayu Putri 100 100 100 100 100 100 100 95 75 60 85 90 '185090501111036 Putu Wiwin Andrini 100 100 100 100 100 100 100 93 65 35 40 45 '185090501111037 Nailul Hidayati 100 100 100 100 100 100 100 91.88 52.5 85 60 65 '185090501111041 Gabriela Florentine Luntungan 100 100 100 100 100 100 100 81.5 0 25 54 59 '185090507111002 Marco Amadeo Halim 100 100 100 100 100 100 100 89 57.5 80 92.5 97.5 '185090507111003 Ika Shofiatul Mahmudah 100 100 100 100 100 100 100 93 62.5 92.5 80 85 '185090507111008 Khairunnisa Faadhilah 100 100 100 100 100 100 100 88 40 25 62.5 67.5 '185090507111009 Novita Primaylia Nabilah 100 100 100 100 100 100 100 94.5 65 77.5 100 105 '185090507111013 Raihan Masyal Haidar 100 100 100 100 100 100 100 88.75 57.5 67.5 72.5 77.5 '185090507111018 Roro Nurfauziah Amini 100 100 100 100 100 100 100 77.38 45 40 77.5 82.5 '185090507111023 Feby Melania Dwiyanti 100 100 100 100 100 100 100 93 50 50 57.5 62.5 '185090507111025 Monica Ade Febriana 100 100 100 100 100 100 100 93 45 75 80 85 '185090507111032 Reza Panduwaskita 100 100 100 100 100 100 100 95.5 55 75 80 85 '185090519111001 Saphira Kusbandiyah 100 100 100 100 100 100 100 86.75 37.5 7.5 67.5 72.5
