rencana pembelajaran semester (rps)

(1)

UNIVERSITAS SEBELAS MARET

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI MATEMATIKA

MATA KULIAH MATA KULIAH PRASYARAT

KODE RUMPUN MK BOBOT (SKS) SEMESTER TGL PENYUSUNAN

Statistika Elementer - 0913223201 Mata Kuliah Wajib 3 II 13 Februari 2020

OTORISASI/ PENGESAHAN

Dosen Pengembang RPS Koordinator RMK Kepala Program Studi

Dr. Dewi Retno Sari S, M.Kom Dr. Dewi Retno Sari S, M.Kom Dr. Siswanto, M.Si Capaian Pembelajaran

(CP)

Capaian Pembelajaran Lulusan–PRODI (CPL-PRODI)

Kode CPL Unsur CPL

S9 menginternalisasi nilai, norma, dan etika akademik

S10 menginternalisasi semangat kemandirian, kejuangan, dan kewirausahaan

KU1 mampu menerapkan pemikiran logis,kritis, sistematis dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperatikan dan menerapkan nilai humaniora sesuai dengan bidang keahliannya

KU2 mampu menunjukkan kinerja mandiri, bermutu dan terukur

P1 menguasai konsep teoretis matematika meliputi logika matematika, matematika diskret, aljabar, analisis dan geometri, serta teori peluang dan statistika

KK1 mampu melakukan eksplorasi, penalaran logis, generalisasi, abstraksi, dan pembuktian formal dalam merumuskan dan memodelkan masalah dengan variabel dan asumsi yang spesifik melalui pendekatan matematis dengan atau tanpa bantuan piranti lunak matematis KK2 mampu merekonstruksi, memodifikasi, menganalisis model matematis dari suatu sistem/masalah, mengkaji keakuratan model dan

kemanfaatan model dan menarik kesimpulan yang kontekstual Capaian Pembelajara -Mata Kuliah (CP-MK)

M1 mampu mengenali, mengamati dan mengidentifikasi data dan jenis data serta menentukan ukuran pemusatan dan penyebaran

(2)

M2 menguasai prinsip-prinsip peluang, sebaran dan distribusi peluang M3 mampu merekonstruksi distribusi sampling

M4 menguasai prinsip-prinsip uji hipotesis dan merumuskan hipotesis serta melakukan uji hipotesis M5 mampu menentukan selang kepercayaan

M6 mampu mengkonstruksi model regresi linear sederhana dan menganalisis hasilnya

Deskripsi singkat Mata kuliah ini merupakan mata kuliah yang memberikan kompetensi dasar mahasiswa hingga dapat mengidentifikasi data dan melakukan menambangnya hingga diperoleh ukuran pemusatan dan penyebaran data selanjutnya menyajikannya dalam boxplot, histogram, steam leaf dan bentuk lainnya; menentukan peluang suatu kejadian ; menentukan variabel random, distribusi probabilitas, harga harapan, kovarian dan korelasi ; mengidentifikasi distribusi peluang dan distribusi sampling; merumuskan hipotesis; mengidentifikasi dan menentukan interval konfidensi;

mengkonstruksi model regresi linear sederhana. Pendekatan pembelajaran yang digunakan adalah pembelajaran proses dan pembelajaran kooperatif dengan strategi student centered learning (SCL). Strategi SCL mengupayakan mahasiswa berperan aktif dalam proses pembelajaran, bekerja secara tim dan mealtih mahasiswa untuk dapat mengkomunikasikan data, hipotesis dan peluang serta mengkonstruksi model regresi linear sederhana dengan dengan baik dan benar.

Bahan Kajian : materi

pembelajaran/pokok bahasan

1. Jenis Data

2. Statistika Deskriptif

3. Ukuran Pemusatan dan Penyebaran 4. Peluang

5. Sebaran dan Distribusi Peluang 6. Distribusi Sampling

7. Pengenalan Hipotesis 8. Selang kepercayaan 9. Regresi Linear Sederhana

Pustaka Utama

[1] Sullivan, M. 2011. Fundamentals of Statistics, third edition, New York : Pearson Education, Inc.

[2] Johnson, RA. and Bhattacharyya, G.K. 2010. Statistical Concepts and Methods, New York: John Wiley & Sons Inc.

Pendukung

[1] Walpole, R.E., R.H. Myers, S.L. Myers, K. Ye, 2007, Probability & Statistics for Engineers & Scientist, Pearson Education [2] Mendenhall, W. and Sincich, T. 2007, Statistics for Engineering and The sciences, fifth ed, Prentice Hall, NY.

[3] Marques de Sa, J.P. 2007, Applied Statistics Using SPSS, STATISTICA, MATLAB and R, New York : Springer-Verlag.

Media Pembelajaran PPT dengan LCD projector, audio visual, papan tulis (whiteboard), software Team Teaching 1. Dr. Dewi Retno Sari Saputro, M.Kom

2. Triwik Jatu Parmaningsih, M.Sc

(3)

Minggu ke-

Kemampuan

akhir Materi Pokok Referensi

Metode pembelajaran

Pengalaman

Belajar Waktu

Penilaian Indikator/kode

CPL

Teknik penilaian dan bobot Luring Daring

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

1,2,3,4  mampu menjelaskan tentang data, tipe data;

sampel dan populasi;

statistik dan parameter

 mampu mengidentifik asi dan membaca data dengan baik serta menyajikan data dengan benar

 data dan tipe data

 sampel dan populasi

 statistik dan parameter

 ukuran pemusatan : mean, modus, median

 ukuran penyebaran : range, deviasi, rata-rata, variansi, standar deviasi dan kuantil

 kurtosis dan Skewness

 penyajian data

Utama [1] , [2]

Pendukung : [1], [2], [3]

 ceramah

 discovery learning

 demonstra si

e-learning:

https://spada .uns.ac.id/

 menyebutkan data dan tipe data

 merumuskan sampel dan populasi; statistik dan parameter

 menghitung ukuran pemusatan dan penyebaran data

 membuat penyajian data

Tatap Muka : 4x(3x50’)

Tugas Terstruktur : 4x(3x60’)

Belajar Mandiri:

4x(3x60’)

Ketepatan :

 menyebutkan dan mengidentifikasi data

 Ketepatan membaca data dengan baik dan menyajikan data dengan benar

S-9, S-10, KU-1, KU-2, P-1, KK-1, KK-2

Tugas mandiri

(5%)

(4)

5,6

mampu menghitung peluang suatu kejadian

 aturan peluang

 kejadian, ruang sampel, dan peluang

 kejadian majemuk

 kejadian komplemen

 peluang bersyarat

 aturan peluang untuk gabungan dan irisan

 aturan Bayes

 teknik menghitung

Utama [1] , [2]

Pendukung : [1], [2], [3]

 ceramah

 cooperative learning



e-learning:

 menghitung aturan peluang

 menentukan kejadian, ruang sampel, dan peluang

 mendefinisikan ulang kejadian majemuk

 mendefinisikan ulang kejadian komplemen

 mendefinisikan peluang bersyarat

 menjelaskan aturan peluang untuk gabungan dan irisan

 mendefinisikan ulang aturan Bayes

 menjelaskan teknik menghitung

Tatap Muka : 2x(3x50’) Tugas Terstruktur : 2x(3x60’) Belajar Mandiri:

2x(3x60’)

Ketepatan :

 menghitung aturan peluang

 menentukan kejadian, ruang sampel, dan peluang

 mendefinisikan ulang kejadian majemuk

 mendefinisikan ulang kejadian komplemen

 mendefinisikan peluang bersyarat

 menjelaskan aturan peluang untuk gabungan dan irisan

 mendefinisikan ulang aturan Bayes

 menjelaskan teknik menghitung

S-9, S-10, KU-1, KU-2, P-1, KK-1, KK-2

Tugas mandiri

(5%)

(5)

7 mampu menentukan distribusi peluang binomial

 variabel random

 distribusi peluang variabel random diskrit binomial

Utama [1] , [2]

Pendukung : [1], [2], [3]

 ceramah

 resitasi

 demonstra si



e-learning:

 mendefinisikan ulang variabel random

 merumuskan ulang dan menjelaskan distribusi peluang variabel random diskrit binomial

1x(3x60’)

Ketepatan :

 mendefinisikan ulang variabel random

 merumuskan ulang dan menjelaskan distribusi peluang variabel random diskrit binomial

S-9, S-10, KU-1, KU-2, P-1, KK-1, KK-2

Tugas mandiri

(5%)

8 Evaluasi Tengah Semester : melakukan validasi hasil penilaian, evaluasi, dn perbaikan proses pembelajaran berikutnya Tes tertulis 20%

9 mampu

Menentukan distribusi Normal

 sifat-sifat distribusi normal

 distribusi normal standar

 hitung peluang dengan distribusi normal

 pendekatan distribusi Normal ke distribusi peluang binomial

Utama [1] , [2]

Pendukung : [1], [2], [3]

 ceramah

 demonstra si

e-learning:

 mendefinisikan sifat-sifat distribusi normal

 menentukan distribusi normal standar

 menghitung peluang dengan distribusi normal

 melakukan pendekatan distribusi Normal ke distribusi peluang binomial

1x(3x60’)

Ketepatan :

 mendefinisikan sifat-sifat distribusi normal

 menentukan distribusi normal standar

 menghitung peluang dengan distribusi normal

 melakukan pendekatan distribusi Normal ke distribusi peluang binomial

S-9, S-10, KU-1, KU-2, P-1, KK-1, KK-2

Tugas kelompok

(5%)

(6)

10

mampu menentukan distribusi sampling

 distribusi rata-rata sampel

 distribusi proporsi sampel

Utama [1] , [2]

Pendukung : [1], [2], [3]

 ceramah

 cooperative learning a.

e-learning:

 mendefinisikan ulang dan menentukan distribusi rata- rata sampel

 mendefinisikan ulang dan menentukan distribusi proporsi sampel

1x(3x60’)

Ketepatan :

 mendefinisikan ulang dan menentukan distribusi rata- rata sampel

 mendefinisikan ulang dan menentukan distribusi proporsi sampel

S-9, S-10, KU-1, KU-2, P-1, KK-1, KK-2

Tugas kelompok

(5%)

11 mampu

mengestimasi nilai parameter dengan selang kepercayaan

 selang

kepercayaan untuk rata-rata populasi

 selang

kepercayaan untuk proporsi

 selang kepercayaan variansi (standar deviasi)

Utama [1] , [2]

Pendukung : [1], [2], [3]

 ceramah

 peer teaching

e-learning:

 menghitung selang kepercayaan untuk rata-rata populasi

 menghitung selang kepercayaan untuk proporsi

 menghitung selang kepercayaan variansi (standar deviasi)

1x(3x60’)

Kesesuaian dan ketepatan

 menghitung selang kepercayaan untuk rata-rata populasi

 menghitung selang kepercayaan untuk proporsi

 menghitung selang kepercayaan variansi (standar deviasi)

S-9, S-10, KU-1, KU-2, P-1, KK-1, KK-2

Tugas kelompok

(5%)

(7)

12,13,14 mampu melakukan uji hipotesis

 hipotesis dan uji hipotesis

 uji hipotesis untuk mean, proporsi dan variansi (estándar deviasi) satu populasi

 uji hipotesis untuk selisih mean, dua sampel

independen dan sampel

berpasangan, selisih (standar deviasi) satu populasi

Utama [1] , [2]

Pendukung : [1], [2], [3]

 ceramah

 problem based learning

e-learning:

 merumuskan hipotesis dan uji hipotesis

 melakukan uji hipotesis untuk mean, proporsi dan variansi (estándar deviasi) satu populasi

 melakukan uji hipotesis untuk selisih mean, dua sampel

berpasangan, selisih (standar deviasi) satu populasi

3x(3x60’)

Ketepatan :

 merumuskan hipotesis dan uji hipotesis

 melakukan uji hipotesis untuk mean, proporsi dan variansi (estándar deviasi) satu populasi

 melakukan uji hipotesis untuk selisih mean, dua sampel

berpasangan, selisih (standar deviasi) satu populasi S-9, S-10, KU-1, KU-2, P-1, KK-1, KK-2

Tugas kelompok

(10%)

(8)

15 mampu mengkonstru ksi model regresi linier sederhana

 model regresi

 asumsi model

 estimasi parameter dengan metode least square

 uji hipotesis

Utama [1] , [2]

Pendukung : [1], [2], [3]

 ceramah

 problem based learning b.

e-learning:

 mengkonstruksi model regresi

 menentukan asumsi model

 melakukan estimasi

parameter dengan metode least square

 melakukan ji hipotesis

1x(3x60’)

Kesesuaian dan ketepatan :

 mengkonstruksi model regresi

 menentukan asumsi model

 melakukan estimasi

parameter dengan metode least square

 melakukan ji hipotesis

S-9, S-10, KU-1, KU-2, P-1, KK-1, KK-2

Tugas kelompok

(10%)

16 Evaluasi Akhir Semester : menentukan validasi penilaian akhir dan menentukan kelulusan mahasiswa Tes tertulis

30%