Estimasi dan ukuran sa · 2020. 2. 16. · - Materi kuliah di OCW dan SPADA -Tugas 3 : Menentukan...
of 10
/10
Embed Size (px)
Transcript of Estimasi dan ukuran sa · 2020. 2. 16. · - Materi kuliah di OCW dan SPADA -Tugas 3 : Menentukan...
5. Estimasi dan ukuran sample: overview, estimasi proporsi
populasi, estimasi mean populasi: diketahui σ, σ tidak diketahui,
estimasi varians
populasi (Ch 06)
6. Uji hipotesis: overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: testing a claim about a proportion, testing a claim about a
mean: σ known, testing a claim about a mean: σ not known, σ tidak diketahui, uji klaim standar deviasi dan varians (Ch 07)
7. Inferensi 2 sampel: overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, perbandingan
variasi dalam 2 sampel (Ch 08)
8. Korelasi dan regresi: overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling (Ch 09) 9. Percobaan multinomial dan contingency tables: overview, multinomial experiments: goodness of fit, contingency tables: independece and
homogenity (Ch 10) 10. Analysis of variance: overview, one way anova, two way anova (Ch 11)
Deskripsi Mata Kuliah : Mata kuliah ini akan memberikan bekal kepada mahasiswa untuk berfikir secara statistik terkait dengan variabel acak, distribusi variabel, estimasi dan
ukuran sampling, uji hipotesis, korelasi dan regresi, dan ANOVA.
Daftar Referensi : 1. Triola, M.F., Elementary Statistics, My SatLab Series, ed, 9th.
Tahap Kemampuan akhir Materi Pokok Reff.
Metode Pembelajaran
penilaian dan bobot
1 2 3 4 5 6 7 8 9 10
1
Ch 4.1 Kuliah, diskusi, dan latihan di kelas
- Materi kuliah di OCW dan SPADA
Kuliah tatap
muka [TM:
- Mengkaji tipe-tipe data statistika
- Mampu menjelaskan pengertian statistika dan istilah-istilahnya
- Mampu memahami tipe- tipe data statistika
- Mampu menjelaskan secara kritis mengenai data dan statistika
UTS 5%
Metode Pembelajaran
penilaian dan bobot
1 2 3 4 5 6 7 8 9 10
2
deviasi
- Materi kuliah di OCW dan SPADA
- Tugas 1: Menghitung mean dan standar deviasi untuk data (distribusi probabilitas)
Kuliah tatap
muka [TM:
- Mengkaji distribusi probabilitas
mean dan standar deviasi
- Mampu menjelaskan distribusi probabilitas
- Mampu menjelaskan variabel acak
Tugas dan UTS 5%
Sub-CMPK 3: Mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson
- Distribusi binomial, mean, varians, standar deviasi
- Distribusi Poisson
Kuliah, diskusi, dan latihan di kelas
- Materi kuliah di OCW dan SPADA
- Tugas 2: Menghitung mean dan standar deviasi untuk data (distribusi Poisson)
Kuliah tatap
muka [TM:
- Mengkaji distribusi Poisson
- Mampu menjelaskan distribusi Poisson
Tugas dan UTS 10%
- Distribusi normal, aplikasi distribusi normal
- Distribusi dan estimator sampling
- Materi kuliah di OCW dan SPADA
- Tugas 3: Menentukan distribusi normal suatu data dengan
Kuliah tatap
muka [TM:
- Mengkaji distribusi dan estimator sampling
- Mengkaji teori central limit
- Mampu menjelaskan distribusi dan estimator sampling
- Mampu menjelaskan teori central limit
Tugas dan UTS 10%
Metode Pembelajaran
penilaian dan bobot
1 2 3 4 5 6 7 8 9 10
histogram atau normal quantile plot
5 - 6 Sub-CPMK 5: Mampu memahami estimasi dan ukuran sample, meliputi overview, estimasi proporsi populasi, estimasi mean populasi σ diketahui dan σ tidak diketahui, dan estimasi varians populasi
- Estimasi proporsi populasi
- Estimasi varians populasi
- Materi kuliah di OCW dan SPADA
- Tugas 4: Menghitung mean populasi
Kuliah tatap
muka [TM:
- Mempelajari estimasi varians populasi
- Mampu menjelaskan estimasi mean populasi σ diketahui, σ tidak diketahui
- Mampu menjelaskan estimasi varians populasi
Tugas dan UTS 10%
7 Sub-CPMK 6: Mampu memahami uji hipotesis, meliputi overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: σ diketahui dan σ tidak diketahui, uji klaim standar deviasi dan varians
- Dasar uji hipotesis - Uji klaim proporsi - Uji klaim terkait
mean: σ diketahui dan σ tidak diketahui
- Uji klaim standar deviasi dan varians
Ch 07 Kuliah, diskusi, dan latihan di kelas
- Materi kuliah di OCW dan SPADA
- Tugas 5: Menguji suatu klaim standar deviasi
Kuliah tatap
muka [TM:
- Mengkaji dasar uji hipotesis
- Mengkaji uji klaim proporsi
- Mengkaji uji klaim terkait mean: σ diketahui dan σ tidak diketahui
- Mengkaji uji klaim standar deviasi dan varians
- Mampu menjelaskan dasar uji hipotesis
- Mampu menjelaskan uji klaim proporsi
- Mampu menjelaskan uji klaim terkait mean: σ diketahui dan σ tidak diketahui
- Mampu menjelaskan uji klaim standar deviasi dan varians
Tugas dan UTS 10%
5
Metode Pembelajaran
penilaian dan bobot
1 2 3 4 5 6 7 8 9 10
9 Sub-CPMK 7: Mampu memahami inferensi 2 sampel, meliputi overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, dan perbandingan variasi dalam 2 sampel
- Inferensi 2 sampel - Inferensi 2 proporsi - Inferensi 2 mean:
sampel independen - Inferensi pasangan
- Materi kuliah di OCW dan SPADA
Kuliah tatap
muka [TM:
- Mengkaji inferensi pasangan yang bersesuaian
- Mengkaji perbandingan variasi dalam 2 sampel
- Mampu menjelaskan inferensi 2 sampel
- Mampu menjelaskan inferensi 2 proporsi
- Mampu menjelaskan inferensi 2 mean: sampel independen
- Mampu menjelaskan inferensi pasangan yang bersesuaian
- Mampu menjelaskan perbandingan variasi dalam 2 sampel
UAS 10%
10 - 11 Sub-CPMK 8: Mampu memahami korelasi dan regresi, meliputi overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling
- Korelasi dan regresi - Korelasi - Regresi - Variasi dan prediksi
interval - Multipel regresi - Modelling
- Materi kuliah di OCW dan SPADA
- Tugas 6: Menentukan model matematika yang paling sesuai untuk suatu data
Kuliah tatap
muka [TM:
- Mempelajari multipel regresi
- Mampu menjelaskan mengenai variasi dan prediksi interval
- Mampu menjelaskan multipel regresi
12,5%
12 - 13 Sub-CPMK 9: Mampu memahami percobaan multinomial dan tabel kontingensi, meliputi overview, percobaan multinomial:
- Percobaan multinomial dan tabel kontingens
- Percobaan multinomial: goodness of fit
Ch 10 Kuliah, diskusi, dan latihan di kelas
- Materi kuliah di OCW dan SPADA
- Tugas 7: Uji goodness of fit dalam
Kuliah tatap
muka [TM:
- Mampu menjelaskan percobaan multinomial dan tabel kontingens
- Mampu menjelaskan percobaan multinomial: goodness of fit
Tugas dan UAS
Metode Pembelajaran
penilaian dan bobot
1 2 3 4 5 6 7 8 9 10
goodness of fit, tabel kontingensi: independensi dan homogenitas
- Tabel kontingensi: independensi dan homogenitas
percobaan multinomial
- Mampu menjelaskan tabel kontingensi: independensi dan homogenitas
14 - 15 Sub-CPMK 10: Mampu memahami analisis variasi, meliputi overview, one way anova, two way anova, serta aplikasinya pada peristiwa teknik kimia
- Analisis variasi - One way anova - Two way anova
Ch 11 Kuliah, diskusi, dan latihan di kelas
- Materi kuliah di OCW dan SPADA
- Tugas 8: Analisis data dengan one way anova dan two way anova
Kuliah tatap
muka [TM:
x(2x60”)]
- Mengkaji analisis variasi - Mengkaji One way anova - Mengkaji Two way anova - Menerapkan analisis
variasi pada peristiwa teknik kimia
- Mampu menjelaskan analisis variasi
- Mampu menjelaskan dan menerapkan One way anova pada peristiwa teknik kimia
- Mampu menjelaskan dan menerapkan Two way anova pada peristiwa teknik kimia
Tugas dan UAS 15%
Catatan :
Penilaian :
Nilai Tugas dan Soal mempunyai kisaran nilai 0 – 100 sesuai Peraturan Rektor UNS 582/UN27/HK /2016
7
Penilaian Nilai Tugas Nilai Ujian Nilai sub-CPMK Nilai UTS dan UAS Nilai MK
CPL-2
Sub-CPMK1 Soal UTS no 1 (Soal UTS no 1)
Nilai UTS =[(Nilai sub-CPMK1 x 5%) + (Nilai sub-CPMK2 x 5%) + (Nilai sub- CPMK3 x 10%) + (Nilai sub-CPMK4 x 10%) + (Nilai sub-CPMK5 x 10%) +
(Nilai sub-CPMK6 x 10%)] x 2 Nilai MK = (Nilai UTS + Nilai UAS) / 2
Sub-CPMK2 Tugas 1 (Tugas 1)
Sub-CPMK3 Tugas 2 Soal UTS no 2 (Tugas 2 x 20%) + (Soal UTS no 2 x 80%)
Sub-CPMK4 Tugas 3 Soal UTS no 3 (Tugas 3 x 20%) + (Soal UTS no 3 x 80%)
Sub-CPMK5 Tugas 4 (Tugas 4)
Sub-CPMK6 Tugas 5 Soal UTS no 4 (Tugas 5 x 20%) + (Soal UTS no 4 x 80%)
Sub-CPMK7 Soal UAS no 1 (Soal UAS no 1) Nilai UTS =[(Nilai sub-CPMK7 x 10%) + (Nilai sub-CPMK8 x 12,5%) + (Nilai
sub-CPMK9 x 12,5%) + (Nilai sub- CPMK10 x 15%)] x 2
Sub-CPMK8 Tugas 6 Soal UAS no 2 (Tugas 6 x 20%) + (Soal UAS no 2 x 80%)
Sub-CPMK9 Tugas 7 Soal UAS no 3 (Tugas 7 x 20%) + (Soal UAS no 3 x 80%)
Sub-CPMK10 Tugas 8 Soal UAS no 4 (Tugas 8 x 20%) + (Soal UAS no 4 x 80%)
Nilai CPL-2 = Nilai MK
Kriteria CPMK Kurang Cukup Baik Sangat baik
Mampu memahami pengertian istilah statistika, tipe-tipe data, cara berfikir kritis dalam rancangan percobaan
Mahasiswa tidak mampu memahami pengertian istilah statistika, tipe-tipe data, cara berfikir kritis dalam rancangan percobaan
Mahasiswa mampu memahami pengertian istilah statistika, tipe-tipe data, cara berfikir kritis dalam rancangan percobaan, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami pengertian istilah statistika, tipe-tipe data, cara berfikir kritis dalam rancangan percobaan dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami pengertian istilah statistika, tipe-tipe data, cara berfikir kritis dalam rancangan percobaan dengan tepat
Mampu memahami karakteristik penting dari data, meliputi variabel acak, distribusi probabilitas dan
Mahasiswa tidak mampu memahami karakteristik penting dari data, meliputi variabel acak, distribusi probabilitas dan
Mahasiswa mampu memahami karakteristik penting dari data, meliputi variabel acak, distribusi
Mahasiswa mampu memahami karakteristik penting dari data, meliputi variabel acak, distribusi probabilitas dan memahami
Mahasiswa mampu memahami karakteristik penting dari data, meliputi variabel acak, distribusi
8
probabilitas dan memahami cara menentukan mean dan standar deviasinya, tetapi ada kesalahan – kesalahan yang tidak signifikan
cara menentukan mean dan standar deviasinya dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
probabilitas dan memahami cara menentukan mean dan standar deviasinya dengan tepat
Mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson
Mahasiswa tidak mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson
Mahasiswa mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson dengan tepat
Mampu memahami distribusi normal, aplikasi distribusi normal, distribusi dan estimator sampling, teori central limit
Mahasiswa tidak mampu memahami distribusi normal, aplikasi distribusi normal, distribusi dan estimator sampling, teori central limit
Mahasiswa mampu memahami distribusi normal, aplikasi distribusi normal, distribusi dan estimator sampling, teori central limit, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami distribusi normal, aplikasi distribusi normal, distribusi dan estimator sampling, teori central limit dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami distribusi normal, aplikasi distribusi normal, distribusi dan estimator sampling, teori central limit dengan tepat
Mampu memahami estimasi dan ukuran sample, meliputi overview, estimasi proporsi populasi, estimasi mean populasi σ diketahui dan σ tidak diketahui, dan estimasi varians populasi
Mahasiswa tidak mampu memahami estimasi dan ukuran sample, meliputi overview, estimasi proporsi populasi, estimasi mean populasi σ diketahui dan σ tidak diketahui, dan estimasi varians populasi
Mahasiswa mampu memahami estimasi dan ukuran sample, meliputi overview, estimasi proporsi populasi, estimasi mean populasi σ diketahui dan σ tidak diketahui, dan estimasi varians populasi, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami estimasi dan ukuran sample, meliputi overview, estimasi proporsi populasi, estimasi mean populasi σ diketahui dan σ tidak diketahui, dan estimasi varians populasi dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami estimasi dan ukuran sample, meliputi overview, estimasi proporsi populasi, estimasi mean populasi σ diketahui dan σ tidak diketahui, dan estimasi varians populasi dengan tepat
Mampu memahami uji hipotesis, meliputi overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: σ diketahui dan
Mahasiswa tidak mampu memahami uji hipotesis, meliputi overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: σ diketahui dan σ tidak
Mahasiswa mampu memahami uji hipotesis, meliputi overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: σ
Mahasiswa mampu memahami uji hipotesis, meliputi overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: σ diketahui dan σ tidak
Mahasiswa mampu memahami uji hipotesis, meliputi overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: σ
9
diketahui, uji klaim standar deviasi dan varians
diketahui dan σ tidak diketahui, uji klaim standar deviasi dan varians, tetapi ada kesalahan – kesalahan yang tidak signifikan
diketahui, uji klaim standar deviasi dan varians dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
diketahui dan σ tidak diketahui, uji klaim standar deviasi dan varians dengan tepat
Mampu memahami inferensi 2 sampel, meliputi overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, dan perbandingan variasi dalam 2 sampel
Mahasiswa tidak mampu memahami inferensi 2 sampel, meliputi overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, dan perbandingan variasi dalam 2 sampel
Mahasiswa mampu memahami inferensi 2 sampel, meliputi overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, dan perbandingan variasi dalam 2 sampel, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami inferensi 2 sampel, meliputi overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, dan perbandingan variasi dalam 2 sampel dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami inferensi 2 sampel, meliputi overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, dan perbandingan variasi dalam 2 sampel dengan tepat
Mampu memahami korelasi dan regresi, meliputi overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling
Mahasiswa tidak mampu memahami korelasi dan regresi, meliputi overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling
Mahasiswa mampu memahami korelasi dan regresi, meliputi overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami korelasi dan regresi, meliputi overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami korelasi dan regresi, meliputi overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling dengan tepat
Mampu memahami percobaan multinomial dan tabel kontingensi, meliputi overview, percobaan multinomial: goodness of fit, tabel kontingensi: independensi dan homogenitas
Mahasiswa tidak mampu memahami percobaan multinomial dan tabel kontingensi, meliputi overview, percobaan multinomial: goodness of fit, tabel kontingensi: independensi dan homogenitas
Mahasiswa mampu memahami percobaan multinomial dan tabel kontingensi, meliputi overview, percobaan multinomial: goodness of fit, tabel kontingensi: independensi dan homogenitas, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami percobaan multinomial dan tabel kontingensi, meliputi overview, percobaan multinomial: goodness of fit, tabel kontingensi: independensi dan homogenitas dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami percobaan multinomial dan tabel kontingensi, meliputi overview, percobaan multinomial: goodness of fit, tabel kontingensi: independensi dan homogenitas dengan tepat
10
Mampu memahami analisis variasi, meliputi overview, one way anova, two way anova, serta aplikasinya pada peristiwa teknik kimia
Mahasiswa tidak mampu memahami analisis variasi, meliputi overview, one way anova, two way anova, serta aplikasinya pada peristiwa teknik kimia
Mahasiswa mampu memahami analisis variasi, meliputi overview, one way anova, two way anova, serta aplikasinya pada peristiwa teknik kimia, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami analisis variasi, meliputi overview, one way anova, two way anova, serta aplikasinya pada peristiwa teknik kimia dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami analisis variasi, meliputi overview, one way anova, two way anova, serta aplikasinya pada peristiwa teknik kimia dengan tepat
3e5d5f93c7545a81a5afb535dc390e7b22fb3dcf4cf710364885c206579a8ac5.pdf
populasi (Ch 06)
6. Uji hipotesis: overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: testing a claim about a proportion, testing a claim about a
mean: σ known, testing a claim about a mean: σ not known, σ tidak diketahui, uji klaim standar deviasi dan varians (Ch 07)
7. Inferensi 2 sampel: overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, perbandingan
variasi dalam 2 sampel (Ch 08)
8. Korelasi dan regresi: overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling (Ch 09) 9. Percobaan multinomial dan contingency tables: overview, multinomial experiments: goodness of fit, contingency tables: independece and
homogenity (Ch 10) 10. Analysis of variance: overview, one way anova, two way anova (Ch 11)
Deskripsi Mata Kuliah : Mata kuliah ini akan memberikan bekal kepada mahasiswa untuk berfikir secara statistik terkait dengan variabel acak, distribusi variabel, estimasi dan
ukuran sampling, uji hipotesis, korelasi dan regresi, dan ANOVA.
Daftar Referensi : 1. Triola, M.F., Elementary Statistics, My SatLab Series, ed, 9th.
Tahap Kemampuan akhir Materi Pokok Reff.
Metode Pembelajaran
penilaian dan bobot
1 2 3 4 5 6 7 8 9 10
1
Ch 4.1 Kuliah, diskusi, dan latihan di kelas
- Materi kuliah di OCW dan SPADA
Kuliah tatap
muka [TM:
- Mengkaji tipe-tipe data statistika
- Mampu menjelaskan pengertian statistika dan istilah-istilahnya
- Mampu memahami tipe- tipe data statistika
- Mampu menjelaskan secara kritis mengenai data dan statistika
UTS 5%
Metode Pembelajaran
penilaian dan bobot
1 2 3 4 5 6 7 8 9 10
2
deviasi
- Materi kuliah di OCW dan SPADA
- Tugas 1: Menghitung mean dan standar deviasi untuk data (distribusi probabilitas)
Kuliah tatap
muka [TM:
- Mengkaji distribusi probabilitas
mean dan standar deviasi
- Mampu menjelaskan distribusi probabilitas
- Mampu menjelaskan variabel acak
Tugas dan UTS 5%
Sub-CMPK 3: Mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson
- Distribusi binomial, mean, varians, standar deviasi
- Distribusi Poisson
Kuliah, diskusi, dan latihan di kelas
- Materi kuliah di OCW dan SPADA
- Tugas 2: Menghitung mean dan standar deviasi untuk data (distribusi Poisson)
Kuliah tatap
muka [TM:
- Mengkaji distribusi Poisson
- Mampu menjelaskan distribusi Poisson
Tugas dan UTS 10%
- Distribusi normal, aplikasi distribusi normal
- Distribusi dan estimator sampling
- Materi kuliah di OCW dan SPADA
- Tugas 3: Menentukan distribusi normal suatu data dengan
Kuliah tatap
muka [TM:
- Mengkaji distribusi dan estimator sampling
- Mengkaji teori central limit
- Mampu menjelaskan distribusi dan estimator sampling
- Mampu menjelaskan teori central limit
Tugas dan UTS 10%
Metode Pembelajaran
penilaian dan bobot
1 2 3 4 5 6 7 8 9 10
histogram atau normal quantile plot
5 - 6 Sub-CPMK 5: Mampu memahami estimasi dan ukuran sample, meliputi overview, estimasi proporsi populasi, estimasi mean populasi σ diketahui dan σ tidak diketahui, dan estimasi varians populasi
- Estimasi proporsi populasi
- Estimasi varians populasi
- Materi kuliah di OCW dan SPADA
- Tugas 4: Menghitung mean populasi
Kuliah tatap
muka [TM:
- Mempelajari estimasi varians populasi
- Mampu menjelaskan estimasi mean populasi σ diketahui, σ tidak diketahui
- Mampu menjelaskan estimasi varians populasi
Tugas dan UTS 10%
7 Sub-CPMK 6: Mampu memahami uji hipotesis, meliputi overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: σ diketahui dan σ tidak diketahui, uji klaim standar deviasi dan varians
- Dasar uji hipotesis - Uji klaim proporsi - Uji klaim terkait
mean: σ diketahui dan σ tidak diketahui
- Uji klaim standar deviasi dan varians
Ch 07 Kuliah, diskusi, dan latihan di kelas
- Materi kuliah di OCW dan SPADA
- Tugas 5: Menguji suatu klaim standar deviasi
Kuliah tatap
muka [TM:
- Mengkaji dasar uji hipotesis
- Mengkaji uji klaim proporsi
- Mengkaji uji klaim terkait mean: σ diketahui dan σ tidak diketahui
- Mengkaji uji klaim standar deviasi dan varians
- Mampu menjelaskan dasar uji hipotesis
- Mampu menjelaskan uji klaim proporsi
- Mampu menjelaskan uji klaim terkait mean: σ diketahui dan σ tidak diketahui
- Mampu menjelaskan uji klaim standar deviasi dan varians
Tugas dan UTS 10%
5
Metode Pembelajaran
penilaian dan bobot
1 2 3 4 5 6 7 8 9 10
9 Sub-CPMK 7: Mampu memahami inferensi 2 sampel, meliputi overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, dan perbandingan variasi dalam 2 sampel
- Inferensi 2 sampel - Inferensi 2 proporsi - Inferensi 2 mean:
sampel independen - Inferensi pasangan
- Materi kuliah di OCW dan SPADA
Kuliah tatap
muka [TM:
- Mengkaji inferensi pasangan yang bersesuaian
- Mengkaji perbandingan variasi dalam 2 sampel
- Mampu menjelaskan inferensi 2 sampel
- Mampu menjelaskan inferensi 2 proporsi
- Mampu menjelaskan inferensi 2 mean: sampel independen
- Mampu menjelaskan inferensi pasangan yang bersesuaian
- Mampu menjelaskan perbandingan variasi dalam 2 sampel
UAS 10%
10 - 11 Sub-CPMK 8: Mampu memahami korelasi dan regresi, meliputi overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling
- Korelasi dan regresi - Korelasi - Regresi - Variasi dan prediksi
interval - Multipel regresi - Modelling
- Materi kuliah di OCW dan SPADA
- Tugas 6: Menentukan model matematika yang paling sesuai untuk suatu data
Kuliah tatap
muka [TM:
- Mempelajari multipel regresi
- Mampu menjelaskan mengenai variasi dan prediksi interval
- Mampu menjelaskan multipel regresi
12,5%
12 - 13 Sub-CPMK 9: Mampu memahami percobaan multinomial dan tabel kontingensi, meliputi overview, percobaan multinomial:
- Percobaan multinomial dan tabel kontingens
- Percobaan multinomial: goodness of fit
Ch 10 Kuliah, diskusi, dan latihan di kelas
- Materi kuliah di OCW dan SPADA
- Tugas 7: Uji goodness of fit dalam
Kuliah tatap
muka [TM:
- Mampu menjelaskan percobaan multinomial dan tabel kontingens
- Mampu menjelaskan percobaan multinomial: goodness of fit
Tugas dan UAS
Metode Pembelajaran
penilaian dan bobot
1 2 3 4 5 6 7 8 9 10
goodness of fit, tabel kontingensi: independensi dan homogenitas
- Tabel kontingensi: independensi dan homogenitas
percobaan multinomial
- Mampu menjelaskan tabel kontingensi: independensi dan homogenitas
14 - 15 Sub-CPMK 10: Mampu memahami analisis variasi, meliputi overview, one way anova, two way anova, serta aplikasinya pada peristiwa teknik kimia
- Analisis variasi - One way anova - Two way anova
Ch 11 Kuliah, diskusi, dan latihan di kelas
- Materi kuliah di OCW dan SPADA
- Tugas 8: Analisis data dengan one way anova dan two way anova
Kuliah tatap
muka [TM:
x(2x60”)]
- Mengkaji analisis variasi - Mengkaji One way anova - Mengkaji Two way anova - Menerapkan analisis
variasi pada peristiwa teknik kimia
- Mampu menjelaskan analisis variasi
- Mampu menjelaskan dan menerapkan One way anova pada peristiwa teknik kimia
- Mampu menjelaskan dan menerapkan Two way anova pada peristiwa teknik kimia
Tugas dan UAS 15%
Catatan :
Penilaian :
Nilai Tugas dan Soal mempunyai kisaran nilai 0 – 100 sesuai Peraturan Rektor UNS 582/UN27/HK /2016
7
Penilaian Nilai Tugas Nilai Ujian Nilai sub-CPMK Nilai UTS dan UAS Nilai MK
CPL-2
Sub-CPMK1 Soal UTS no 1 (Soal UTS no 1)
Nilai UTS =[(Nilai sub-CPMK1 x 5%) + (Nilai sub-CPMK2 x 5%) + (Nilai sub- CPMK3 x 10%) + (Nilai sub-CPMK4 x 10%) + (Nilai sub-CPMK5 x 10%) +
(Nilai sub-CPMK6 x 10%)] x 2 Nilai MK = (Nilai UTS + Nilai UAS) / 2
Sub-CPMK2 Tugas 1 (Tugas 1)
Sub-CPMK3 Tugas 2 Soal UTS no 2 (Tugas 2 x 20%) + (Soal UTS no 2 x 80%)
Sub-CPMK4 Tugas 3 Soal UTS no 3 (Tugas 3 x 20%) + (Soal UTS no 3 x 80%)
Sub-CPMK5 Tugas 4 (Tugas 4)
Sub-CPMK6 Tugas 5 Soal UTS no 4 (Tugas 5 x 20%) + (Soal UTS no 4 x 80%)
Sub-CPMK7 Soal UAS no 1 (Soal UAS no 1) Nilai UTS =[(Nilai sub-CPMK7 x 10%) + (Nilai sub-CPMK8 x 12,5%) + (Nilai
sub-CPMK9 x 12,5%) + (Nilai sub- CPMK10 x 15%)] x 2
Sub-CPMK8 Tugas 6 Soal UAS no 2 (Tugas 6 x 20%) + (Soal UAS no 2 x 80%)
Sub-CPMK9 Tugas 7 Soal UAS no 3 (Tugas 7 x 20%) + (Soal UAS no 3 x 80%)
Sub-CPMK10 Tugas 8 Soal UAS no 4 (Tugas 8 x 20%) + (Soal UAS no 4 x 80%)
Nilai CPL-2 = Nilai MK
Kriteria CPMK Kurang Cukup Baik Sangat baik
Mampu memahami pengertian istilah statistika, tipe-tipe data, cara berfikir kritis dalam rancangan percobaan
Mahasiswa tidak mampu memahami pengertian istilah statistika, tipe-tipe data, cara berfikir kritis dalam rancangan percobaan
Mahasiswa mampu memahami pengertian istilah statistika, tipe-tipe data, cara berfikir kritis dalam rancangan percobaan, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami pengertian istilah statistika, tipe-tipe data, cara berfikir kritis dalam rancangan percobaan dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami pengertian istilah statistika, tipe-tipe data, cara berfikir kritis dalam rancangan percobaan dengan tepat
Mampu memahami karakteristik penting dari data, meliputi variabel acak, distribusi probabilitas dan
Mahasiswa tidak mampu memahami karakteristik penting dari data, meliputi variabel acak, distribusi probabilitas dan
Mahasiswa mampu memahami karakteristik penting dari data, meliputi variabel acak, distribusi
Mahasiswa mampu memahami karakteristik penting dari data, meliputi variabel acak, distribusi probabilitas dan memahami
Mahasiswa mampu memahami karakteristik penting dari data, meliputi variabel acak, distribusi
8
probabilitas dan memahami cara menentukan mean dan standar deviasinya, tetapi ada kesalahan – kesalahan yang tidak signifikan
cara menentukan mean dan standar deviasinya dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
probabilitas dan memahami cara menentukan mean dan standar deviasinya dengan tepat
Mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson
Mahasiswa tidak mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson
Mahasiswa mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson dengan tepat
Mampu memahami distribusi normal, aplikasi distribusi normal, distribusi dan estimator sampling, teori central limit
Mahasiswa tidak mampu memahami distribusi normal, aplikasi distribusi normal, distribusi dan estimator sampling, teori central limit
Mahasiswa mampu memahami distribusi normal, aplikasi distribusi normal, distribusi dan estimator sampling, teori central limit, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami distribusi normal, aplikasi distribusi normal, distribusi dan estimator sampling, teori central limit dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami distribusi normal, aplikasi distribusi normal, distribusi dan estimator sampling, teori central limit dengan tepat
Mampu memahami estimasi dan ukuran sample, meliputi overview, estimasi proporsi populasi, estimasi mean populasi σ diketahui dan σ tidak diketahui, dan estimasi varians populasi
Mahasiswa tidak mampu memahami estimasi dan ukuran sample, meliputi overview, estimasi proporsi populasi, estimasi mean populasi σ diketahui dan σ tidak diketahui, dan estimasi varians populasi
Mahasiswa mampu memahami estimasi dan ukuran sample, meliputi overview, estimasi proporsi populasi, estimasi mean populasi σ diketahui dan σ tidak diketahui, dan estimasi varians populasi, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami estimasi dan ukuran sample, meliputi overview, estimasi proporsi populasi, estimasi mean populasi σ diketahui dan σ tidak diketahui, dan estimasi varians populasi dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami estimasi dan ukuran sample, meliputi overview, estimasi proporsi populasi, estimasi mean populasi σ diketahui dan σ tidak diketahui, dan estimasi varians populasi dengan tepat
Mampu memahami uji hipotesis, meliputi overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: σ diketahui dan
Mahasiswa tidak mampu memahami uji hipotesis, meliputi overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: σ diketahui dan σ tidak
Mahasiswa mampu memahami uji hipotesis, meliputi overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: σ
Mahasiswa mampu memahami uji hipotesis, meliputi overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: σ diketahui dan σ tidak
Mahasiswa mampu memahami uji hipotesis, meliputi overview, dasar uji hipotesis, uji klaim proporsi, uji klaim terkait mean: σ
9
diketahui, uji klaim standar deviasi dan varians
diketahui dan σ tidak diketahui, uji klaim standar deviasi dan varians, tetapi ada kesalahan – kesalahan yang tidak signifikan
diketahui, uji klaim standar deviasi dan varians dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
diketahui dan σ tidak diketahui, uji klaim standar deviasi dan varians dengan tepat
Mampu memahami inferensi 2 sampel, meliputi overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, dan perbandingan variasi dalam 2 sampel
Mahasiswa tidak mampu memahami inferensi 2 sampel, meliputi overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, dan perbandingan variasi dalam 2 sampel
Mahasiswa mampu memahami inferensi 2 sampel, meliputi overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, dan perbandingan variasi dalam 2 sampel, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami inferensi 2 sampel, meliputi overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, dan perbandingan variasi dalam 2 sampel dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami inferensi 2 sampel, meliputi overview, inferensi 2 proporsi, inferensi 2 mean: sampel independen, inferensi pasangan yang bersesuaian, dan perbandingan variasi dalam 2 sampel dengan tepat
Mampu memahami korelasi dan regresi, meliputi overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling
Mahasiswa tidak mampu memahami korelasi dan regresi, meliputi overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling
Mahasiswa mampu memahami korelasi dan regresi, meliputi overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami korelasi dan regresi, meliputi overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami korelasi dan regresi, meliputi overview, korelasi, regresi, variasi dan prediksi interval, multipel regresi, modelling dengan tepat
Mampu memahami percobaan multinomial dan tabel kontingensi, meliputi overview, percobaan multinomial: goodness of fit, tabel kontingensi: independensi dan homogenitas
Mahasiswa tidak mampu memahami percobaan multinomial dan tabel kontingensi, meliputi overview, percobaan multinomial: goodness of fit, tabel kontingensi: independensi dan homogenitas
Mahasiswa mampu memahami percobaan multinomial dan tabel kontingensi, meliputi overview, percobaan multinomial: goodness of fit, tabel kontingensi: independensi dan homogenitas, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami percobaan multinomial dan tabel kontingensi, meliputi overview, percobaan multinomial: goodness of fit, tabel kontingensi: independensi dan homogenitas dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami percobaan multinomial dan tabel kontingensi, meliputi overview, percobaan multinomial: goodness of fit, tabel kontingensi: independensi dan homogenitas dengan tepat
10
Mampu memahami analisis variasi, meliputi overview, one way anova, two way anova, serta aplikasinya pada peristiwa teknik kimia
Mahasiswa tidak mampu memahami analisis variasi, meliputi overview, one way anova, two way anova, serta aplikasinya pada peristiwa teknik kimia
Mahasiswa mampu memahami analisis variasi, meliputi overview, one way anova, two way anova, serta aplikasinya pada peristiwa teknik kimia, tetapi ada kesalahan – kesalahan yang tidak signifikan
Mahasiswa mampu memahami analisis variasi, meliputi overview, one way anova, two way anova, serta aplikasinya pada peristiwa teknik kimia dengan tepat, namun dengan kesalahan yang minimal/dapat diabaikan
Mahasiswa mampu memahami analisis variasi, meliputi overview, one way anova, two way anova, serta aplikasinya pada peristiwa teknik kimia dengan tepat
3e5d5f93c7545a81a5afb535dc390e7b22fb3dcf4cf710364885c206579a8ac5.pdf
