DELL

Textbox

6

2

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

Waktu Pengalaman Belajar

Penilaian*

Luring Daring Indikator/kode CPL Teknik

penilaian dan bobot

1 2 3 4 5 6 7 8 9 10

1

Sub-CPMK1: Mampu memahami

pengertian istilah

statistika, tipe-tipe data,

cara berfikir kritis dalam

rancangan percobaan

- Pengertian statistika dan istilah-istilahnya

- Tipe-tipe data statistika

- Berfikir kritis mengenai data dan statistika dalam rancangan percobaan

Ch 4.1 Kuliah, diskusi, dan latihan di kelas

- Materi kuliah di OCW dan SPADA

Kuliah tatap

muka [TM:

1x(2x50”)]

Tugas

[PT+BM:(1+1)

x(2x60”)]

- Mempelajari pengertian statistika dan istilah-istilahnya

- Mengkaji tipe-tipe data statistika

- Mengkaji secara kritis mengenai data dan statistika

- Mampu menjelaskan pengertian statistika dan istilah-istilahnya

- Mampu memahami tipe-tipe data statistika

- Mampu menjelaskan secara kritis mengenai data dan statistika

UTS 5%

3

Tahap Kemampuan akhir Materi Pokok Reff.

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

2

Sub-CMPK 2: Mampu memahami

karakteristik penting

dari data, meliputi

variabel acak, distribusi

probabilitas dan

memahami cara

menentukan mean dan

standar deviasinya

- Distribusi probabilitas

- Variabel acak - Penentuan mean - Penentuan Standar

deviasi

Ch 4.2 Kuliah, diskusi, dan latihan di kelas

- Materi kuliah di OCW dan SPADA

- Tugas 1: Menghitung mean dan standar deviasi untuk data (distribusi probabilitas)

Kuliah tatap

muka [TM:

1x(2x50”)]

Tugas

[PT+BM:(1+1)

x(2x60”)]

- Mempelajari karakteristik penting dari data

- Mengkaji distribusi probabilitas

- Mengkaji variabel acak - Mempelajari penentuan

mean dan standar deviasi

- Mampu menjelaskan karakteristik penting dari data

- Mampu menjelaskan distribusi probabilitas

- Mampu menjelaskan variabel acak

- Mampu menjelaskan penentuan mean dan standar deviasi

Tugas dan UTS 5%

3

Sub-CMPK 3: Mampu memahami distribusi binomial, mean, varians, standar deviasi, dan distribusi Poisson

- Distribusi binomial, mean, varians, standar deviasi

- Distribusi Poisson

Ch 4.3 dan 4.4

Ch 4.5

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:

1x(2x50”)]

Tugas

[PT+BM:(1+1)

x(2x60”)]

- Mengkaji distribusi binomial, mean, varians, standar deviasi

- Mengkaji distribusi Poisson

- Mampu menjelaskan distribusi binomial, mean, varians, standar deviasi

- Mampu menjelaskan distribusi Poisson

Tugas dan UTS 10%

4

Sub-CMPK 4: Mampu memahami distribusi normal, aplikasi distribusi normal, distribusi dan estimator sampling, teori central limit

- Distribusi normal, aplikasi distribusi normal

- Distribusi dan estimator sampling

- Teori central limit

Ch 5 Kuliah, diskusi, dan latihan di kelas

- Materi kuliah di OCW dan SPADA

- Tugas 3: Menentukan distribusi normal suatu data dengan

Kuliah tatap

muka [TM:

1x(2x50”)]

Tugas

[PT+BM:(1+1)

x(2x60”)]

- Mempelajari distribusi normal, aplikasi distribusi normal

- Mengkaji distribusi dan estimator sampling

- Mengkaji teori central limit

- Mampu menjelaskan distribusi normal, aplikasi distribusi normal

- Mampu menjelaskan distribusi dan estimator sampling

- Mampu menjelaskan teori central limit

Tugas dan UTS 10%

4

Tahap Kemampuan akhir Materi Pokok Reff.

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

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 mean populasi σ diketahui, σ tidak diketahui

- Estimasi varians populasi

Ch 06 Kuliah, diskusi, dan latihan di kelas

- Materi kuliah di OCW dan SPADA

- Tugas 4: Menghitung mean populasi

Kuliah tatap

muka [TM:

2x(2x50”)]

Tugas

[PT+BM:(2+2)

x(2x60”)]

- Mempelajari estimasi proporsi populasi

- Mempelajari estimasi mean populasi σ diketahui, σ tidak diketahui

- Mempelajari estimasi varians populasi

- Mampu menjelaskan estimasi proporsi 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:

1x(2x50”)]

Tugas

[PT+BM1+1)

x(2x60”)]

- 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%

8 Ujian Tengah Semester (UTS)

5

Tahap Kemampuan akhir Materi Pokok Reff.

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

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

yang bersesuaian - Perbandingan

variasi dalam 2 sampel

Ch 08 Kuliah, diskusi, dan latihan di kelas

- Materi kuliah di OCW dan SPADA

Kuliah tatap

muka [TM:

1x(2x50”)]

Tugas

[PT+BM:(1+1)

x(2x60”)]

- Mengkaji inferensi 2 sampel

- Mengkaji inferensi 2 proporsi

- Mengkaji inferensi 2 mean: sampel independen

- 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

Ch 09 Kuliah, diskusi, dan latihan di kelas

- Materi kuliah di OCW dan SPADA

- Tugas 6: Menentukan model matematika yang paling sesuai untuk suatu data

Kuliah tatap

muka [TM:

2x(2x50”)]

Tugas

[PT+BM:(2+2)

x(2x60”)]

- Mempelajari korelasi dan regresi

- Mengkaji mengenai variasi dan prediksi interval

- Mempelajari multipel regresi

- Mempelajari modelling

- Mampu menjelaskan korelasi dan regresi

- Mampu menjelaskan mengenai variasi dan prediksi interval

- Mampu menjelaskan multipel regresi

- Mampu menjelaskan modelling

Tugas dan UAS

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:

2x(2x50”)]

- Mengkaji percobaan multinomial dan tabel kontingens

- Mengkaji percobaan multinomial: goodness of fit

- Mampu menjelaskan percobaan multinomial dan tabel kontingens

- Mampu menjelaskan percobaan multinomial: goodness of fit

Tugas dan UAS

12,5%

6

Tahap Kemampuan akhir Materi Pokok Reff.

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

goodness of fit, tabel kontingensi: independensi dan homogenitas

- Tabel kontingensi: independensi dan homogenitas

percobaan multinomial

Tugas

[PT+BM:(2+2)

x(2x60”)]

- Mengkaji tabel kontingensi: independensi dan homogenitas

- 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:

2x(2x50”)]

Tugas

[PT+BM:(2+2)

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%

16 Ujian Akhir Semester (UAS)

Catatan :

TM=Tatap Muka, PT=Penugasan terstruktur, BM=Belajar mandiri.

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

Penilaian CPL 2

CPL 2. Mampu merancang dan melakukan eksperimen kerekayasaan bidang teknik kimia, serta menganalisis dan menginterpretasikan data, serta mendokumentasikan hasilnya

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

memahami cara menentukan mean dan standar deviasinya

memahami cara menentukan mean dan standar deviasinya

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

σ tidak diketahui, uji klaim standar deviasi dan varians

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