RENCANA PEMBELAJARAN SEMESTER (RPS)
PROGRAM STUDI SARJANA TEKNIK INDUSTRI FAKULTAS TEKNIK
UNIVERSITAS SEBELAS MARET
Identitas Mata Kuliah Identitas dan Validasi Nama Tanda Tangan
Kode Mata Kuliah : TI144041 Dosen Pengembang RPS : Dr. Eko Pujiyanto, S.Si., MT.
Nama Mata Kuliah : Analisis Multivariat
Bobot Mata Kuliah (sks) : 2 Koord. Kelompok Mata Kuliah : Fakhrina Fahma, S.T.P,M.T.
Semester : VIII
Mata Kuliah Prasyarat : Probabilitas dan Statistik Industri Kepala Program Studi : Dr. Eko Liquiddanu, ST, MT.
Capaian Pembelajaran Lulusan (CPL)
Kode CPL Unsur CPL
S-9 : Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri;
KU-5 : Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data.
KK-7 : Mampu meneliti dan menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan Riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi
CP Mata kuliah (CPMK) : 1. Mampu memahami konsep dasar dan metode analisis multivariat
2. Mampu mengevaluasi data multivariat dengan konsep outlier dan missing value.
3. Mampu mengevaluasi data multivariat dengan alat analisis multivariat yaitu Manova, Analisis Diskriminan, Analisis Regresi, Analisis Faktor, SEM, Analisis Klaster, Perancangan Skala Multidimensi, Analisis Survival dan Analisis Kojoin pada bidang Teknik Industri.
4. Mampu menyelesaikan studi kasus dengan alat analisis multivariat yang sesuai.
Bahan Kajian Keilmuan : Konsep dasar dan metode analisis multivariate, outlier dan missing value , Anova dan manova,
Analisis Diskriminan , Analisis Regresi Berganda dan Analisis Regresi Logistik, Analisis Faktor , Sructural Equestion Modeling, Analisis Klaster dan Perancangan Skala Multidimensi, Analisis Survival dan Analisis Kojoin
Deskripsi Mata Kuliah : Menentukan metode analisis statistik yang sesuai dengan masalah yang dihadapi, memahami logika dasar setiap metode analisis yang digunakan, melakukan verifikasi asumsi yang diperlukan untuk menerapkan metode analisis , melakukan analisis data dengan metode terpilih dengan menggunakan software dan meng- intepretasi-kan hasil analisis metode yang digunakan.
Daftar Referensi : 1. Johnson, R.A., and Wichern, D.W. (2007). Applied Multivariate Statistical Analysis. 6th ed. Prentice Hall, New York.
2. Rencher, A.C. and Christensen, W.F., 2012, Methods of Multivariate Analysis, 3nd Edition, John Wiley.
3. Gudono, 2014, Analisis Data Multivariat, Edisi ke 3, BPFE, Yogyakarta.
Tahap Kemampuan akhir Materi Pokok Referensi
Metode Pembelajaran
Waktu Pengalaman Belajar
Penilaian*
Luring Daring Indikator/kode CPL Teknik penilaian
dan bobot
1 2 3 4 5 6 7 8 9 10
1
Mampu memahami konsep dasar dan metode analisis multivariat
1. Mengapa analisis multivariat 2. Jenis data dan
hubungan antar variabel 3. Tipe dan alat analisis
multivariat
4. Matriks dalam analisis multivariat
1 dan 3 Kuliah dan diskusi di kelas
Materi diupload dan diskusi spada.uns.ac.id
1x100’ Mahasiswa diajak mencermati contoh masalah yang terdapat data multivariat. Mahasiswa diajak memahami konsep dasar dan metode analisis multivariat
Paham konsep dasar dan metode analisis multivariat
Menjawab
pertanyaan berkaitan dengan konsep dasar dan metode analisis multivariat (10%)
2
Mampu mengevaluasi data multi variat dengan konsep outlier dan missing value.
1. Analisis outlier 2. Analisis missing data
1 dan 3 Kuliah dan diskusi di kelas
Materi diupload dan diskusi spada.uns.ac.id
1x100’ Mahasiswa diajak mencermati contoh masalah data
multivariat yang mengandung outlier dan missing dan mampu menyelesaikan masalahnya.
Mengevaluasi data multi variat dengan konsep outlier dan missing value.
Menjawab
pertanyaan berkaitan dengan konsep dasar dan metode analisis multivariat (10%)
3
Mampu mengevaluasi data multivariat dengan alat analisis multivariat yaitu Manova, Analisis Diskriminan, Analisis Regresi, Analisis Faktor, SEM, Analisis Klaster, Perancangan Skala Multidimensi, Analisis Survival dan Analisis Kojoin pada bidang Teknik Industri.
1. Anova dan Manova, 2. Analisis Diskriminan 3. Analisis Regresi 4. Analisis Faktor 5. Sructural Equestion
Modeling, 6. Analisis Klaster 7. Perancangan Skala
Multidimensi 8. Analisis Survival 9. Analisis Kojoin
1, 2 dan 3 Kuliah dan diskusi di kelas
Materi diupload dan diskusi spada.uns.ac.id
10x100’ Mengerjakan tugas dengan data disediakan sesuai alat yang akan digunakan. Software yang dugunakan adalah R-Statistics
Mengevaluasi data multi variat dengan alat analisis multivariat yang sesuai dan melakukan analisis yang tepat
Menjawab soal hitungan
menggunakan alat analisis multivariat yang sesuai (60%)
4
Mampu menyelesaikan studi kasus dengan alat analisis multivariat yang sesuai.
Studi kasus di dunia nyata yang melibatkan data multivariat
- Studi kasus
dan presentasi tugas
Diskusi interaktif melalui google meet
2x100’ Mengerjakan studi kasus dan meyelesaikan alat yang sesuai serta dengan bantuan software R-Statistics
Menyelesaikan studi kasus beserta
analisisnya dengan alat analisis multivariat yang sesuai.
Menyelesaikan studi kasus dengan alat analisis multivariat yang sesuai.(20%)
