P2RP-LP3M UB
Portofolio Perkuliahan
UNIVERSITAS BRAWIJAYA
FAKULTAS MIPA
JURUSAN STATISTIKA / PROGRAM STUDI SARJANA STATISTIKA
Mata Kuliah:
Statistika Matematika II
Kode:
MAS62115
RMK:
Teori dan Komputasi
Semester:
Genap
Dosen Rahma Fitriani, S.Si., M.Sc., Ph.D
Pendahuluan
Mata kuliah Statistika Matematika, baik I maupun II adalah mata kuliah yang sudah diampu oleh dosen pengajar selama sekitar 10 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 konsep dasar teori estimasi dan pengambilan kesimpulan secara lebih mendalam sebagai dasar untuk mengembangkan 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 prinsip - prinsip pendugaan parameter
P2RP-LP3M UB
- CLO 2: Mahasiswa mampu menurunkan sifat - sifat kebaikan penduga - CLO 3: Mahasiswa mampu menerapkan konsep pengujian hipotesis - CLO 4: Mahasiswa mampu menerapkan konsep dualitas antara pengujian
hipotesis dan selang kepercayaan
- CLO 5: Mahasiswa mampu menyampaikan konsep yang dipahaminya dalam bentuk tugas tertulis secara individu
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 II 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 1.00 0 0 0 0 0 0 0
CLO2 1.00 0 0 0 0 0 0 0
CLO3 0.90 0 0 0 0 0.1 0 0
CLO4 0.90 0 0 0 0 0.1 0 0
CLO5 0.00 0 0 0 0.5 0 0 0.5
2 Strategi Pembelajaran
Perkuliahan ini menyajikan materi yang bersifat teori matematis. Untuk itu digunakan strategi berikut ini:
- Menyediakan akses materi sebelum perkuliahan (dalam file pdf/ppt pada blog dosen: http://rahmafitriani.lecture.ub.ac.id/, dan pada forum di Google Classroom).
- 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 post test (satu atau dua kasus relevan) untuk mengukur pemahaman akan materi yang sudah disajikan. Beda dengan sesi latihan, pada sesi post test ini mahasiswa benar – benar harus berusaha mengerjakan sendiri kasus yang diberikan, walaupun masih diperbolehkan untuk membuka catatan.
- 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.
P2RP-LP3M UB
- Menjelaskan ulang bagian-bagian yang dirasa kurang dipahami (dari hasil post test) pada pertemuan berikutnya.
- 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 Senin, 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: Septika Ningrum R.I dan Yuli Rochmawati
- 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 Selasa, jam 9.15 – 10.15.
- 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: Pendugaan Parameter yaitu Maximum Likelihood Estimator dan Metode Momen
2. Minggu ke-6: Sifat-sifat Penduga (Tak Bias, Efisien dan Konsisten) 3. Minggu ke-7: Statistik Cukup, MVUE, UMVUE
P2RP-LP3M UB
4. Minggu ke-10: Pemberian Tugas Responsi I
5. Minggu ke-11: Membahas jawaban tugas I yang diberikan minggu sebelumnya
6. Minggu ke-12: Uji Hipotesis
7. Minggu ke-13: Optimal Test dan Uji Hipotesis pada Sampel Berukuran Besar serta pemberian tugas responsi II
8. Minggu ke-14: P-value dan Uji Hipotesis Ragam 4 Isi Perkuliahan
- Prinsip pendugaan parameter dengan metode momen
- Prinsip pendugaan parameter dengan metode Maksimum Likelihood
- Sifat – sifat kebaikan penduga, ketidakbiasan, efisiensi, konsistensi kecukupan dan UMVUE
- Komponen – komponen uji hipotesis
- Penentuan kuasa uji (Lemma Neyman Pearson) dan kuasa uji paling seragam - Uji hipotesis yang menggunakan sebaran normal baku, t dan F
- Penentuan selang kepercayaan dan dualitasnya dengan uji hipotesis
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, dan beberapa dari angkatan 2017 yang karena satu dan lain hal tidak dapat mengambil mata kuliah ini pada tahun lalu. Untuk Statistika Matematika kelas C diikuti oleh 44 mahasiswa, dengan komposisi 4 mahasiswa angkatan 2017 dan 40 mahasiswa angkatan 2018.
6 Persentase Kehadiran
Kehadiran dosen adalah 100% sedangkan kehadiran mahasiswa rata – rata sebesar 98%
7 Sistem Evaluasi (jelaskan tentang PR, Kuis, tugas kelompok, praktikum , dll)
- Evaluasi per minggu melalui tugas dan post test. Tujuan dari evaluasi ini adalah untuk menggali pemahaman mahasiswa apakah sudah sesuai dengan tujuan perkuliahan di setiap minggu/pertemuan. Hasil dari post test dan 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 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
P2RP-LP3M UB
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 CLO 5 Bobot Asesment terhadap CLO (Course Learning
Outcome) PT1
Pendugaan Parameter dengan metode Momen
0.025 0.95 0 0 0 0.05
PT2
Pendugaan parameter dengan metode maksimum likelihood
0.025 0.95 0 0 0 0.05
PT3 Efisiensi penduga dan
konsistensi 0.025 0 0.95 0 0 0.05
PT4 sifat UMVUE
Penduga 0.025 0 0.95 0 0 0.05
PT5 Elemen - elemen uji
hipotesis 0.025 0 0 0.95 0 0.05
PT6
Uji Hipotesis pada sampel berukuran besar
0.025 0 0 0.95 0 0.05
PT7 Nilai p 0.025 0 0 0.95 0 0.05
PT8 uji hipotesis
mengenai ragam 0.025 0 0 0.95 0 0.05
T1 Sebaran dan Momen 0.033 0.95 0 0 0 0.05
T2 sifat kecukupan
penduga 0.033 0 0.95 0 0 0.05
T3 Uji Hipotesis dan
selang kepercayaan 0.033 0 0 0.95 0 0.05
Kuis
metode momen dan MLE dan efisiensi penduga
0.100 0.5 0.5 0 0 0
Responsi Semua materi 0.100 0.25 0.25 0.25 0.25 0
UTS
Pendugaan parameter, ketidakbiasan, efisiensi relatif, ragam minimum, konsistensi dan kecukupan
0.250 0.3 0.7 0 0 0
P2RP-LP3M UB UAS
Uji paling kuasa, uji sampel berukuran besar, uji pada ragam
0.250 0 0 0.9 0.1 0
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 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:
- Hanya CLO5 (Kemampuan menyampaikan konsep yang dipahaminya dalam
P2RP-LP3M UB
bentuk tugas tertulis secara individu) secara rata – rata mencapai nilai excellent, dengan rata – rata di atas 80. Pada CLO ini 100% mahasiswa memperoleh nilai capaian di atas 60.
- CLO selain CLO5 selainnya berada pada kategori pencapaian satisfactory.
- Capaian pembelajaran yang bersifat penurunan teori (CLO2 - Mahasiswa mampu menurunkan sifat - sifat kebaikan penduga) adalah yang paling rendah di antara semua capaian yang lain, dengan persentase terendah (81%) 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 II
CLO1 CLO2 CLO3 CLO4 CLO5
Rata - rata 74.36 72.8 75.52 76.3 82.67
Kategori Capaian
SATISFA CTORY
SATISFA CTORY
SATISFA CTORY
SATISFA CTORY
EXCELL ENT Banyaknya mahasiswa
dengan CLO>60 37 36 42 41 44
Persentase mahasiswa
dnegan CLO>60 84.09 81.82 95.45 93.18 100
Kategori Persentase HIGH 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
Gambar 1. Visualisasi (a) indeks capaian dan (b) presentasi mahasiswa dengan capaian
>60 di setiap CLO MK Statistika Matematika II
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):
- Terdapat dua ILO yang berada pada kategori capaian Excellent, yaitu:
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, dan
ILO8 - Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan
Terdapat 100% mahasiswa yang memiliki nilai capaian di atas 60 untuk kedua ILO ini.
- Terdapat dua ILO yang yang berada pada kategori capaian Satisfactory yaitu:
ILO1 - Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati
(a) (b)
P2RP-LP3M UB
ILO6 - Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data.
Walaupun tidak semua mahasiswa memperoleh nilai capaian di atas 60 untuk kedua ILO tersebut, namun kategori persentase mahasiswa dengan nilai capaian 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 74.35 82.67 75.61 82.67 Kategori Capaian SATISFA
CTORY
EXCELL ENT
SATISFA
CTORY
EXCELL ENT Banyaknya
mahasiswa dengan
ILO>60 37 44 41 44
Persentase mahasiswa dnegan ILO>60
84.09 100 93.18 100
Kategori HIGH HIGH HIGH HIGH
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.
(a) (b)
P2RP-LP3M UB
Setting kuliah secara online juga mempersulit dosen untuk menggali pemahaman mahasiswa, yang dapat dilakukan ketika bertemu langsung.
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 74, dengan kurang dan lebihnya 11 poin dari rata – rata tersebut. Terdapat satu mahasiswa dengan nilai paling rendah (46), dan nilai tertinggi (92) dicapai oleh 1 mahasiswa.
Tabel 6. Statistika Deskriptif Nilai Akhir Statistika Matematika II 2019/2020
Rata rata 73.93
Median 76.44
Simpangan baku 11.70
Range 46.47
Minimum 46.03
Maximum 92.50
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, bahkan persentase terbesar ada pada nilai A. 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 II 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, yang awalnya bertujuan untuk menyesuaikan kecepatan dengan kemampuan mahasiswa, malah mengorbankan waktu pembahasan di materi tertentu,
30% 27%
14% 14%
9% 7%
A B+ B C+ C D
Persen Nilai Huruf
P2RP-LP3M UB
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.
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
Definisi penduga parameter dan pendugaan parameter
Pendahuluan beberapa metode pendugaan parameter
2 Definisi metode
momen Pendugaan
parameter metode momen
Langkah- langkah metode momen
3 Definisi metode maksimum likelihood
Metode
kemungki nan maksimu
m
Langkah - langkah metode maksimum likelihood
4 Kuis
Sifat ketidakbiasa
n & ragam penduga
Definisi
ketidakbiasan
Definisi efisiensi relatif, , MSE, ketidaksamaan
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
Cramer Rao
5 Definisi sifat konsistensi
MSE
&
efisien si relatif, Kuis
6 Definisi sifat kecukupan, pendekatan peluang bersyarat, pendekatan teorema faktorisasi
Batas bawah Crame r Rao
7 Definisi sifat UMVUE, metode Lehmann Scheffe
Konsiste nsi dan kecukup an teorema faktorisa si
8 dan 9
UT
S
10 Definisi uji hipotesis, tipe uji hipotesis, elemen uji hipotesis
Statistik Cukup Minimum (Teorema Lehmann
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
Scheffe) dan UMVUE 11 Definisi
penentuan kuasa uji (Neyman Pearson Lemma) dan kuasa uji paling seragam
Uji Hipotesi s, Neyman Pearson Paradig ma
12 Uji hipotesis bagi rata-rata pada sampel berukuran besar (uji Z) dan sampel berukuran kecil (uji t)
Uji Optim al, likelih ood rasio, Lemm a Neym an Pearso n
13 Uji hipotesis bagi ragam (uji khi kuadrat dan
uji F)
Uji hipotesi s pada sampel berukur an besar
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
14 Kuis
Perhit ungan Nilai p, Dualit as SK dan uji hipote sis
15 Definisi nilai p
Uji hipote sis yang berhu bunga n denga Raga m
16 Definisi Selang
Kepercayaan
Review materi
Dualitas Selang
kepercayaan dengan uji hipotesis
17 UAS U
AS Kehadiran (%)
88.6363
6364 100 97.727272
7 100 100 100 97.7272
7 100 97.7272
7273 97.72 72727 3
100 100 100 100
P2RP-LP3M UB
P2RP-LP3M UB
Lampiran 2. Daftar Rincian Nilai
NIM Nama
PT Pen duga
an_
MM PT Pendu gaan_
MLE
PT Ragam_
duga_ko nsisten
PT UM VU E
PT Uji Hip otesi
s
PT Uji Hip_S ampel Besar
PT Nila i_p
PT Uji Hip _Ra gam
T_se bara n_m ome n
T_K ecuk upan
T_U ji Hip otesi
s
Q_ML E/Mo men_
Efisie nsi
Responsi UTS UAS
'175090400111012 Muhammad Ainul Yaqin 65 90 0 80 100 55 70 90 0 60 100 30 58.65 39 55
'175090507111004 Isfar Hakim Ramdani 70 85 78 80 65 20 50 75 100 70 65 64 80.075 43 67
'175090507111024 Dwi Amri Rizqi Akbar 100 65 50 60 62 90 50 65 70 95 62 26 67.325 33 65
'175090507111028 Muhammad Daafa` Fenori 100 65 20 80 65 80 50 65 70 100 65 57 72.425 28 65
'185090500111003 Muhammad Naufal Amanullah 100 100 85 80 100 98 100 100 100 100 100 100 88.4 92 82
'185090500111005 Riski Fausta 75 95 65 80 80 80 70 90 95 85 80 55 81.25 67 76
'185090500111006 Chika Rafika Ayu Pramesthi 95 35 76 80 100 90 95 93 100 90 100 100 86.85 92 85
'185090500111007 Akhmad Rizaly Fikriansyah 100 100 50 100 100 80 63 71 85 97 100 100 86.9 75 85
'185090500111009 Nafthalie Andreani 80 70 90 100 95 60 82 95 100 100 95 61 83.8 70 67
'185090500111010 Nava Ayu Azzahra 45 75 65 80 100 85 100 93 85 100 100 65 87.35 78 82
'185090500111012 Harry Maringan Tua 82 90 95 80 100 65 90 70 100 80 100 84 83.775 77 82
'185090500111015 Depvita Jushi Mellinda 60 60 75 100 100 75 95 100 100 95 100 97 87.15 73 68
'185090500111016 Ananda Ajeng Puspita Sari 80 90 95 100 97 75 100 100 100 100 97 100 97.7 93 87
'185090500111017 Annisa Fakhira Ramadhani 99 63 94 100 90 50 95 90 55 100 90 95 87.5 66 72
'185090500111018 Aldi Junaedi 57.5 75 58 40 85 90 100 93 90 95 85 30 83.8 82 85
'185090500111019 Shafiyah Rabith Al Izzah 75 97 85 80 75 0 15 58 100 75 75 56 90.95 32 19
'185090500111020 Talitha Syamsa Rahma 100 80 70 80 75 50 50 80 100 100 75 64 79.2 62 68
'185090500111021 Lion Narwastu Deon 67.5 78 60 80 100 92 85 85 85 85 100 54 86.9 82 85
'185090500111026 Evita Akmal Rahmadona 60 60 95 100 95 90 98 93 100 95 95 65 81.125 66 70
'185090500111027 Annisa Setya Wahyuningrum 70 75 65 100 100 95 95 93 100 100 100 62 88.55 84 84
'185090500111028 Faizal Nawawi 98 100 90 80 100 42 90 75 95 95 100 90 61.3 83 85
'185090500111030 Ahmad Fikri 70 60 20 100 90 60 60 55 75 70 90 20 81.925 32 42
'185090500111043 Arsid Jimmi Yuwanto 75 70 70 80 95 80 92 95 100 85 95 50 90.95 90 54
'185090500111045 Victoria Miranda Yosepha Panjaitan 75 60 60 100 75 50 50 80 90 95 75 70 89.95 55 63
'185090501111001 M. Sandy Asyraf 70 55 50 80 100 80 94 93 100 85 100 77 90.95 89 80
'185090501111006 Mohammad Zanuar Fatih Terim 67.5 85 95 80 90 95 100 93 100 85 90 100 90.65 94 85
'185090501111011 Muhammad Ariq Shidqi 75 60 85 80 95 75 92 93 100 85 95 75 87.625 89 55
'185090507111001 Dinny Zaidan Nadwah 20 25 100 95 80 85 80 100 95 95 16 87.15 37 68
'185090507111002 Marco Amadeo Halim 100 100 75 60 87 95 100 100 100 100 87 95 90.6 95 92
'185090507111004 Aulia Adizari Kurniawan 85 100 80 80 75 80 100 100 85 100 75 89 88.95 53 71
P2RP-LP3M UB
NIM Nama
PT Pen duga
an_
MM PT Pendu gaan_
MLE
PT Ragam_
duga_ko nsisten
PT UM VU E
PT Uji Hip otesi
s
PT Uji Hip_S ampel Besar
PT Nila i_p
PT Uji Hip _Ra gam
T_se bara n_m ome n
T_K ecuk upan
T_U ji Hip otesi
s
Q_ML E/Mo men_
Efisie nsi
Responsi UTS UAS
'185090507111005 Gabrielle Yukiko Marchelita 75 55 77 80 100 100 95 90 100 85 100 85 90.05 77 84
'185090507111006 Gede Ganesh Adi Bharata 57.5 95 85 60 100 80 80 70 100 95 100 80 56.875 57 46
'185090507111007 Cahyaning Putri Setiono 72.5 50 80 100 97 80 85 73 55 100 97 80 91.9 75 59
'185090507111008 Khairunnisa Faadhilah 100 75 80 80 95 80 70 65 85 95 95 75 89.225 55 45
'185090507111009 Novita Primaylia Nabilah 100 100 80 80 100 80 55 90 100 85 100 93 80.2 80 64
'185090507111010 Dwi Febriyanti Nur Annisaa 99 70 95 100 95 65 80 88 100 90 95 100 92.35 69 70
'185090507111011 Balkis Firdausy 20 100 45 80 100 80 78 70 100 70 100 40 76.675 34 55
'185090507111016 Ravil Wardana Fauzi 75 25 85 80 100 80 97 93 100 95 100 43 87.725 90 76
'185090507111019 Vito Ahmad Dwiansyah 75 65 53 100 100 80 97 93 100 65 100 54 83.775 88 71
'185090507111020 Rizky Rivaldi Akbar 60 65 70 0 100 80 65 100 85 100 25 74.525 86 64
'185090507111021 Achmad Azidan Al Faruq 70 55 70 80 100 80 92 76 80 85 100 42 87.125 74 68
'185090507111024 Arif Prabawa Putrayana 70 25 53 80 100 50 80 88 90 85 100 30 84.7 63 64
'185090507111030 Denilson Jovano 99 80 90 80 80 80 65 93 100 85 80 100 82.975 63 77
'185090507111031 Muhammad Panca Hikmawanto 67.5 85 62 100 100 80 90 83 100 90 100 85 59.925 74 70
