RENCANA PROGRAM & KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) A.

MATA KULIAHz Nama Mata Kuliah Kode/sks Semester Status (Wajib/Pilihan) Prasyarat

: Pengantar Analisis Regresi :MAS 4231/3 :2 :W : MAS 4121/Metode Statistika I : MAS 4280/Matriks dan Ruang Vektor [diambil bersamaan]

B. TUJUAN PEMBELAJARAN Mahasiswa mampu mengidentifikasi dan mendefisinikan i hubungan kausalitas, variabel independent dan variabel dependent. Mahasiswa mampu menganalisis bentuk hubungan satu variabel ii dependent dengan satu variabel independent yang dituangkan dalam bentuk model regresi linier, mendapatkan taksiran parameter penyusun modelnya, menguji keberartian model secara simultan (ANOVA) dan parsial (t-student test), menganalisis residual model duga, identifikasi dan tindakan penanganan terhadap data yang berpencilan dan influence observations, menaksir nilai amatan berdasar model duga dan menginterpretasikannya. Mahasiswa mampu menganalisis bentuk hubungan dua variabel iii dalam bentuk eksponensial yang dapat ditransformasi dan menginterpretasikannya Mahasiswa mampu menganalisis bentuk hubungan satu variabel iv dependent dengan dua atau lebih variabel independent dalam bentuk model regresi linier berganda, mendapatkan taksiran parameter penyusun modelnya, menguji keberartian model secara simultan (ANOVA) dan parsial (t-student test), menganalisis residual model duga, dan menginterpretasikan hasil analisisnya. Mahasiswa mampu menganalisis model regresi linier sederhana v dan berganda dalam bentuk matriks. Mahasiswa mampu menganalisis keeratan hubungan (korelasi) vi antar variabel secara berganda maupun parsial. vii Mahasiswa mampu menentukan model regresi terbaik dengan metode all possible regression, stepwise (forward, backward). C. OUTCOME PEMBELAJARAN i Mampu berpikir logis, kritis dan analitis ii Mampu mengaplikasikan berbagai program komputer iii Mampu menerjemahkan masalah di kehidupan nyata ke logika statistika iv Mampu mengidentifikasi masalah dan mendefinisikan ke dalam variabel yang sesuai v Mampu menganalisis data vi Mampu merumuskan hasil dan menarik kesimpulan secara sahih vii Mampu mengkomunikasikan kembali hasil analisis dan kesimpulan ke permasalahan semula viii Mampu menjadi konsultan statistika D. JUMLAH JAM DAN PEMBAGIANNYA i Jumlah tatap muka 15 kali (@ 150 menit), minggu ke-8 UTS

1

ii

Belajar mandiri

(100 menit) 1-2 jam /minggu

E. JADWAL KEGIATAN Mingg Pertemu Waktu Pokok an ke- (menit Bahasan u ) I 1 150 Konsep dasar Regresi dan Korelasi

Sub Pokok Bahasan a.

II

2

150

Korelasi dan Regresi Linier Sederhana

III

3

150

Regresi Linier Sederhana

IV

4

150

Regresi Linier Sederhana

V VI

5 6

150 150

Regresi Linier Sederhana Regresi Eksponen sial Review

VII

7

150

Pendahuluan b. Identifikasi variabel c. Pendefinisian variabel dependent dan independent a. Korelasi Ceramah dan b. Diskusi Penghitunga n penduga parameter pada model regresi linier sederhana c. OLS dan MLE a. Asumsi Ceramah dan klasik: Diskusi macam dan akibat jika terpenuhi b. Uji keberartian model a. Identifikasi Ceramah dan pencilan Diskusi dan amatan berpengaruh b. Penanganan pencilan dan amatan berpengaruh c. Pendekatan Matriks d. Aplikasi paket e. Interpretasi Analisis Ceramah dan Residual Diskusi a. Konsep Ceramah dan b. Perhitungan Diskusi dan interpretasi model Pemantaban Ceramah dan konsep, penghitungan, Diskusi interpretasi hasil analisis

Metode (Ceramah/Diskusi/ Kuis) Ceramah dan Diskusi

2

F. PENILAIAN

Minggu Pertemuan keWaktu (menit) Pokok Bahasan
Sub Pokok Bahasan

Metode (Ceramah/Diskusi/Kuis) VIII 8 150 UTS Pertemuan 1-7 IX 9 150 Regresi Linier Berganda
a. Konsep b. Penghitungan penduga parameter pada model regresi linier berganda

Ceramah dan Diskusi

3

X 10 150 Regresi Linier Berganda
a. Uji keberartian model b. Pendekatan matriks c. Aplikasi paket dan interpretasi

Ceramah dan Diskusi XI 11 150 Regresi Linier Berganda Asumsi klasik dan akibat Ceramah dan Diskusi XII 12 150 Kuis Pertemuan 1-11 XIII 13 150 Regresi Linier Berganda
Tindakan terhadap tidak terpenuhinya asumsi

yang ditimbulkan

jika tidak terpenuhi

Ceramah dan Diskusi XIV 14 150 Regresi Linier Berganda Tindakan terhadap tidak terpenuhinya asumsi (heteroscedasticity, mullicollinearily) Ceramah dan Diskusi XV 15 150 Regresi Linier Berganda Pemilihan model regresi terbaik Ceramah dan Diskusi XVI 16

inon-normality, autocorrelation)

4

150 Review Pemantaban konsep, penghitungan, interpretasi Ceramah dan Diskusi

hasil analisis

No. Komponen Penilaian 1 Tugas terstruktur 2 Kuis 3 UTS 4 UAS Jumlah

Prosenta se 10 15 30 45 100

Nilai Akhir: menggunakan standar penilaian Kisaran Nilai > 80.1 75.1-80.0 70.1 -75.0 65.1 -70.0 55.1-65.0 50.1 -55.0 45.1-50.0 <45 Huruf Mutu A B+ B C+ c D+ D E

G. PUSTAKA ACUAN Draper, N. R and H. Smith [1992], Applied Regression Analysis, (diterjemahkan oleh Bambang Sumantri), PT Gramedia, Jakarta. Montgomery, Douglas. C and Elizabeth A. Peck [1992], Introduction to Linear Regression Analysis, Wiley, New York. Myers, R. H [1990], Classical and Modern Regression with Applications, PWS-Kent Publishers, Boston. Sembiring, R.K [1995], Analisis Regresi, Penerbit ITB, Bandung. Weisberg, Stanford [1985], Applied Linear Regression, Wiley, New York.

5

RENCANA PROGRAM DAN PEMBELAJARAN SEMESTER (RPKPS) A. MATA KULIAH Kode/s : MAS 4141/ 3 ks Mata : Pemrograman Linier Kuliah Semest : I K er Status : Wajib Prasyar : MAS 4280 at B. TUJUAN PEMBELAJARAN Tujuan Pembelajaran: Mahasiswa mampu merumuskan model pemrogranan linier ii Mahasiswa mampu mengaplikasikan prinsip program linier iii Mahasiswa mampu mengartikan untuk pengambilan keputusan i. C. OUTCOME PEMBELAJARAN Outcome Pembelajaran: i. Kemampuan memodelkan pemrogranan linier ii Kemampuan menyelesaikan masalah pemrogranan linier ii Kemampuan menggunakan paket program pemrogranan linier iv Kemampuan interpretasi model pemrogranan linier
Jumlah jam dan pembagiannya :

KEGIATAN

i. Jumlah tatap muka 16 kali tatap muka (minggu ke 8 UTS ) ii. Tugas Setiap akhir kuliah (tatap muka) iii. Kuis Awal kuliah minggu ke 5 dan 12 D. JUMLAH JAM DAN PEMBAGIANNYA

E. JADWAL KEGIATAN

Minggu

Pertemuan

Waktu (mnt)

Pokok Bahasan

Sub Pokok Bahasan .

Metode .

(Ceramah/ .

/Diskusi .

1 .

l .

100 .

Pendahuluan .

D Kontrak kuliah D Contoh .

Pemrograman .

linier .

Ceramah .

2 .

2 .

100 .

pemecahan grafik .Pemrograman linier.

D Model dua .

sensitifitas .variabel 0 Pemecahan grafik 0 An.

Ceramah .

3 .

3 .

100 .

Formulasi LP .

□ Formulasi LP .

Ceramah .

4 .

4 .

100 .

Metode simpleks .

□ Gagasan .

□ Pengembangan D Simplek primal D Simplek dual .

Ceramah .

5 .

5 .

100 .

.

Q Kasus kusus D Interpretasi .

Ceramah .

6 .

6 .

100 .

Metode simpleks dalam matrik .

D Metode simpleks dalam matrik .

[] Metode simplek direvisi .

Ceramah .

7 .

7 .

100 .

.

D .

.

00 .

8 .

100 .

UTS .

Bahan minggu ke 1 -7 .

Kuis .

9 .

9 .

100 .

Metode simpleks dualitas .

□ Dualitas .

0 Pemecahan dual .

Ceramah .

10 .

10 .

100 .

.

□ Interpretasi D Slack .

komplementer .

Ceramah .

11 .

11 .

100 .

Sensitifitas .

D Optimalitas □ Kelayakan .

Ceramah .

12 .

12 .

100 .

Linier Parametri k .Pemrog.

G Perubahan dalam C.B. Pjdan simultan .

Ceramah .

13 .

13 .

100 .

Masalah transportasi .

D Teknik .

transportasi □ Pemecahan awal .

Ceramah .

14 .

14 .

100 .

.

D Model penugasan .

Ceramah .

15 .

15 .

100 .

Assignment .

□ Model Assignment .

Ceramah .

16 .

16 .

100 .

Persentasi .

0 Makalah LP/ transportasi .

Diskusi .

.

1-75 65.F. UTS 25 5. Prestice Hall. Taha. Operating Research. penilaian se 1 Kuis 15 2. Duxbury Pers.1-55 45. Introduction to Operations Research. W. Aplication & Algoritm 3rd edition. PR 15 3. Holden-Day Inc. dan Lieberman. Wagner. H.. 2. 1980. H. PENILAIAN Komponen dan persentase penilaian No Komponen Persenta .1-80 70. Riset Operasi. Winston. 1997. California 3. New York. PUSTAKA ACUAN Pustaka Acuan: 1. 1994. UAS 25 Jumlah 100 Nilai akhir menggunakan standar penilaian : tranformasi ke Kisaran nilai £80.S.1-65 50. Principles of Operation Research. 1982. F.1-70 55.1-50 £45 Huruf Mutu A B+ B C+ C D+ D E G. 4. Makalah 20 4. Binampa Aksara. Jakarta Hillier.1 75. California .L.

OUTCOME PEMBELAJARAN Outcome dari pembelajaran mata kuliah ini adalah mahasiswa mampu : i. Kuis . kritis dan analitis Mengaplikasikan berbagai program komputer Mengembangkan model . Tugas dan presentasi iv. iv. JUMLAH JAM DAN PEMBAGIANNYA i Jumlah tatap muka 17 kali minggu ke 8 UTS dan minggu ke 17 UAS Tidak ada Tugas diberikan setiap kali satu bahasan selesai dibahas Kuis diadakan sebanyak 4 kali untuk mengetahui tingkat penguasaan mahasiswa terhadap materi ii. vii. Belajar mandiri iii. Berpikir logis. Menjelaskan konsep dasar sebaran peluang secara lebih mendalam untuk menunjang teori selanjutnya________ C.RENCANA PROGRAM & KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) A. TUJUAN PEMBELAJARAN Setelah menempuh mata kuliah ini diharapkan mahasiswa mampu : i. v vi. ii iii. MATA KULIAH Nama Mata Kuliah Kode/sks Semester Status (Wajib/Pilihan) Prasyarat Statistika Matematika I MAS 4111 / 3 III W MAS 4211 B.model statistika Mengkaji model .model statistika Menjadi konsultan statistika Menganalisis data Menguasai dan menerapkan teori statistika D.

E. JADWAL KEGIATAN Minggu .

Pertemuan ke- .

Waktu (menit) .

Pokok Bahasan .

Sub Pokok Bahasan .

Metode (Ceramah/Diskusi/ Kuis .

I .

1 .

100 .

Pendahuluan .

Kontrak kuliah : Perkenalan .

Penjelasan Materi yang dibahas MK Stat Mat I .

Ceramah .

.

2 .

50 .

Tinjauan ulang teori peluang .

Bersyarat .

Ceramah dan Diskusi .

II .

3 .

100 .

Peubah Acak dan .

Sebarannya .

Peubah Acak Kontinu .Peubah Acak Diskret.

Ceramah dan Diskusi .

.

4 .

50 .

Peubah Acak dan .

Sebarannya .

Nilai Harapan Peubah Acak .

Ceramah dan Diskusi .

III .

5 .

100 .

Peubah Acak dan .

Sebarannya .

Pembangkit Momen .

Ceramah dan Diskusi .

.

6 .

50 .

Peubah Acak dan .

Sebarannya .

Evaluasi .

Kuis .

IV .

7 .

100 .

Sebaran Peluang Khusus .

rata dan varians) . rata .kumulatif.

Ceramah dan Diskusi .

.

8 .

50 .

Sebaran Peluang Khusus .

rata -rata dan varians) .

Ceramah dan Diskusi .

V .

9 .

100 .

Sebaran Peluang Khusus .

rata .kumulatif.rata dan varians) .

Ceramah dan Diskusi .

.

10 .

50 .

Sebaran Peluang Khusus .

rata dan varians) . rata .kumulatif.

Ceramah dan Diskusi .

VI .

11 .

100 .

Peubah Acak Ganda .

bersama .

Ceramah dan Diskusi .

.

12 .

50 .

Peubah Acak Ganda .

Fungsi peluang marginal .

Ceramah dan Diskusi .

VII .

13 .

100 .

Peubah Acak Ganda .

Fungsi peluang bersyarat. peubah acak bebas .

Ceramah dan Diskusi .

.

14 .

50 .

Peubah Acak Ganda .

Evaluasi .

Kuis .

VIII .

15 .

100 .

UTS .

7 .Bahan minggu ke 1 .

Ceramah dan Diskusi .

.

16 .

50 .

Pembahasan UTS .

.

Ceramah dan Diskusi .

IX .

17 .

100 .

sifat peubah acak .Sifat .

sifat nilai harapan .Sifat .

Ceramah dan Diskusi .

.

ITB.1 A 75. California. E.0 D <40 E G. Engelhardt.1-50. G.0 D+ 40.0 C 45. Umpan balik dari mahasiswa.1-65. 1981. Scheaffer. Duxbury Press.catatan tertutup UAS catatan tertutup . J.Nilai Akhir : menggunakan standar penilaian Kisaran nilai Huruf Mutu > 80.1-45. Rice. W. Roussas.5 B 65.X 19 20 100 50 100 50 100 50 100 50 100 50 100 50 100 50 XI 2122 Sifat . PUSTAKA ACUAN Bain. Bandung.. 3. dalam bentuk kuesioner yang diisi oleh mahasiswa. Dudewiscz. Terjemahan R.1 -80. Mathematical statistics with Application. Duxbury Press.T dan Mishra.K Sembiring. 1992. A first Course in Mathematical Statistics. Duxburry Press. A.. sebaran F dan sebaran Beta Evaluasi Kekonvergenan Ketidaksamaan Kaidah Bilangan Besar Dalil Limit Pusat Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Kuis Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi F. R. 1995.1-70. Digunakan untuk mengetahui keberhasilan pembelajaran .sifat peubah acak Fungsi Peubah Acak Fungsi Peubah Acak Fungsi Peubah Acak Fungsi Peubah Acak Fungsi Peubah Acak Fungsi Peubah Acak Fungsi Peubah Acak Fungsi Peubah Acak Limiting distributio n Limiting distributio n Limiting distributio n Limiting distributio n Harapan bersyarat. Ceramah dan Diskusi Kuis Ceramah dan Diskusi Ceramah dan Diskusi XII 23 24 XIII 25 26 xrv 27 28 XV 29 30 XVI 31 32 Statistik berurut. M. Komponen Penilaian 1 2 3 4 – – Kuis Tugas/presentasi tugas UTS UAS Jumlah Prosentas e 20 10 30 40 100 Nilai kuis = l/4(kuis 1 + kuis 2 + kuis 3 + kuis 4) Sifat : Kuis .0 C+ 50. Statistika dan Matematika Modern. metode transformasi) Teknik fungsi pembangkit momen. PENILAIAN No.0 B+ 70. Ceramah dan sebaran jumlah Diskusi peubah acak Sebaran fungsi linear Ceramah dan Diskusi Kuadrat peubah acak normal Sebaran normal Ganda Sebaran t. Mei Ya Publication Inc. Boston 4. MONITORING – – 1. California 2. Berdasarkan kegiatan mingguan : Dapat dilihat dari respon mahasiswa ketika kuliah Dapat dilihat dari kuis yang diadakan 2. Wackerly. fungsi pembangkit momen bersama Evaluasi Sebaran fungsi peubah acak( teknik CDF. Taipei. D. D. Introduction to Probability and Mathematical Statistics. G. 1973. H.catatan tertutup UTS . Taiwan 1... untuk mengetahui respon mahasiswa yang menyangkut pelaksanaan perkuliahan. 5. mendenhall.sifat peubah acak Sifat . J. 1995. L.1-70. Mathematical Statistics and Data analysis. Lee.

(format sudah ditentukan oleh Fakultas) I. EVALUASI PEMBELAJARAN Dilihat dari nilai akhir (dikatakan berhasil jika minimal 75% mahasiswa mendapat nilai > C dan maksimal 20% mendapat nilai < D .

Menguasai dan menerapkan rancangan percobaan dan rancangan perlakuan pada berbagai bidang E. OUTCOME PEMBELAJARAN Outcome dari pembelajaran mata kuliah ini adalah mahasiswa mampu : i. menganalisis hasil pengamatan dalam rangka mendapatkan kesimpulan yang sesuai dengan tujuan penelitian tersebut C. MATA KULIAH Nama Mata Kuliah Kode/sks Semester Status (Wajib/Pilihan) Prasyarat Pengantar Rancangan Percobaan MAS 4122/ 3 III W Metode Statistika II (MAS 4221) B. Mengembangkan model-model rancangan percobaan iii. Menjelaskan konsep dasar teori rancangan percobaan ii. Merancang suatu penelitian berdasarkan karakteristik materi percobaan iii. TUJUAN PEMBELAJARAN Setelah menempuh mata kuliah ini diharapkan mahasiswa mampu : i. kritis dan analitis ii. Menganalisis data iv Menjadi konsultan perancangan percobaan v. Berpikir logis.RENCANA PROGRAM & KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) A. JADWAL KEGIATAN Minggu Pertemuan ke- Waktu (menit) Pokok Bahasan Sub Pokok Bahasan Metode (Ceramah/Diskusi/ Kuis .

'KvtlriU Ceramah D. pengertian Rancob bagian dari rancob Rancangan Gambaran umum Pengacakan. tanpa pengelompo pendugaan parameter kan RAL Rancangan Analisis ragam tanpa pengelompo Teladan kan RAL Uji lanjut BNT Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi ii. Belajar mandiri iii.I 1 100 Pendahuluan Kontrak kuliah : Perkenalan Penjelasan Materi yang dibahas MK Rancab Ur^ncir^ m o M ^o . Diskusi Acak Kelompok pendugaan parameter Ceramah dan Rancangan Analisis ragam Diskusi Acak . JUMLAH JAM DAN PEMBAGIANNYA i Jumlah tatap muka 16 kali minggu ke 8 UTS dan minggu ke 16 UAS Tidak ada Tugas diberikan setiap kali satu bahasan selesai dibahas Dasar-dasar Unsur-unsur rancob. Tugas dan presentasi 2 50 II 3 100 4 50 III 5 100 6 50 IV v 7 100 8 50 9 100 10 50 VI 11 100 12 50 VII 13 100 Mengerjakan soal dan Diskusi Ceramah dan Uji lanjut BNJ Diskusi Ceramah dan Uji lanjut Duncant Diskusi Tes kecil I Bahan pertemuan Kuis 1 sampai 7 Pembanding Definisi dan Ceramah dan an berganda pengertian Kontras Diskusi berderajat tunggal Pembanding Ortogonal kontras Ceramah dan an berganda Teladan Diskusi berderajat tunggal Ceramah dan Pembanding Ortogonal an berganda polinomial Teladan Diskusi berderajat tunggal Rancangan Gambaran umum Ceramah dan Pengacakan.

14 50 VIII 15 100 16 50 IX 17 100 18 50 X 19 100 20 50 F. pendugaan parameter Analisis RBSL ragam Teladan Mising RBSL data Analisis Kelompok Rancangan Acak Kelompok Ceramah dan Diskusi Ujian Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Kuis 22 50 RBSL Efisieni rancangan tanpa pengelompokan pengelompokan Ceramah dan Diskusi XII 23 100 Model umum rancangan dengan dan dengan . PENILAIAN Teladan RAK dengan anak contoh Teladan UTS Bahan minggu ke 1 -7 Pembahasan Bahan soal UTS UTS Rancangan Mising data Acak Analisis Kelompok Teladan Gambaran umum RBSL Pengacakan.

pengelompokan Analisis ragam klasifikasi dua arah Ceramah dan Diskusi 24 50 Tes kecil II Bahan pertemuan 16 sampai 23 Kuis XIII 25 100 Transformasi data Asumsi analisis ragam Sebaran hipotetik Teladan Ceramah dan Diskusi 26 50 Transformasi data Hubungan parameter data Penentuan transformasi Ceramah dan Diskusi XIV 27 100 Rancangan perlakuan Faktorial Gambaran umum pendugaan parameter Analisis ragam Ceramah dan Diskusi 28 50 Rancangan perlakuan Faktorial Uji lanjut Teladan Ceramah dan Diskusi XV 29 100 Percobaan petak terbagi Gambaran umum pendugaan parameter Analisis ragam Ceramah dan Diskusi 30 50 Percobaan petak terbagi Uji lanjut Teladan Ceramah dan Diskusi XVI 31 150 UAS Bahan minggu 1 sampai minggu 15 .

1 -80.catatan tertutup UAS .0 55.1 75.1 -55.catatan tertutup UTS .1 -65.catatan tertutup .Nilai Akhir : menggunakan standar penilaian Kisaran nilai > 80.Sifat : Tes kecil .1-70. Komponen Penilaian 1 2 3 4 5 6 Kehadiran Tes kecil I Tes kecil II Pekerjaan terstruktur UTS UAS Jumlah Prosentas e 10% 10% 10% 10% 20% 40% 100% .5 65.1 -70.ujian No.0 50.0 70.0 Huruf Mutu A B+ B C+ c D+ .

1967.-----1------------. edisi ke 4. 7. S. T. MONITORING 1. A. 1976.. Snedecor. Jakarta H. McGraw-Hill Book Co. New York 5. Statistical Procedures for Agriculturel Research with Emphasis on Rice. G. Tokyo. O. 1980. G. R. W. Laguna. 1976. McGraw-Hill Suntoyo Yitnosumarto. Rajawali Kogakushs. pers.5 G. Non parametric statistics. Gramedia. R. 2. dalam bentuk kuesioner yang diisi oleh mahasiswa.. Introduction to Wiley & Sons. Percobaan: perancangan analisis dan interpretasinya. 1978. K. New York 3. New York statistics. Jakarta.. G.. Dan Craig. Gomez. Ames 5. J. MATA KULIAH Kode/s ks Mata Kuliah Semest er Status Prasyar at : MAS 4142 / 2 : Teori Keputusan :3 : Pilihan : MAS 4211* KEGIATAN B. John Wiley & Sons. Philippines. H. 1990. The Iowa State University Press.A. 6. 1956. Steel. PUSTAKA ACUAN 1. 4. Umpan balik dari mahasiswa. Statistical methods. IRR. Berdasarkan kegiatan mingguan: – Dapat dilihat dari respon mahasiswa ketika kuliah – Dapat dilihat dari absen waktu pengumpulan tugas terstruktur 2. EVALUASI PEMBELAJARAN Dilihat dari nilai akhir (dikatakan berhasil jika minimal 75% mahasiswa mendapat nilai > C dan maksimal 20% mendapat nilai < D RENCANA PROGRAM DAN PEMBELAJARAN SEMESTER (RPKPS) A. Introduction to mathematical statistics. Tujuan Pembelajaran : Mahasiswa mampu menerapkan model pengambilan keputusan . Ltd. TUJUAN PEMBELAJARAN i. and Gomez.. A. Dan Cochran. 1990. Siegel. A. Hogg. Dasar-dasar Statistika. W. Design and Analysis of Experiment. V. Kempthorne. D dan Torrie. untuk mengetahui respon mahasiswa yang menyangkut pelaksanaan perkuliahan. edisi ke 6. Digunakan untuk mengetahui keberhasilan pembelajaran (format sudah ditentukan oleh Fakultas) I.

Kuis Awal kuliah minggu ke 5 dan 12 D. JADWAL KEGIATAN PENILAIAN Minggu Pertemuan Waktu (mnt) Pokok Bahasan Sub Pokok Bahasan Metode (Ceramah/ /Diskusi 1 1 . Jumlah tatap muka 16 kali tatap muka ( minggu ke 8 UTS ) ii. Tugas Setiap akhir kuliah (tatap muka) iii. OUTCOME PEMBELAJARAN i. ii Outcome Pembelajaran: Kemampuan mengambil keputusan berdasar model yang sudah ada Kemampuan menyusun strategi pemecahan masalah Jumlah jam dan pembagiannya : i.5 ii Mahasiswa mampu membuat stategi pengambilan keputusan atas suatu masalah C. JUMLAH JAM DAN PEMBAGIANNYA E. F.

5 100 Pendahul uan • Kontrak kuliah Ceramah 2 2 100 Prinsipprinsip pengambi lan keputusa n 0 Ceramah 3 3 100 probabilit as subjektif objektif • probabilitas subjektif • probabilitas objektif pengambilan keputusan • Ceramah 10 10 100 • Ceramah 11 11 100 • Ceramah 12 12 100 AHP • Ceramah 13 13 100 • Ceramah 14 14 100 • Ceramah 15 15 100 e Ceramah 16 16 100 e Ceramah / Ceramah 4 4 100 fungsi kerugian dan resiko • Ceramah 5 5 100 pohon keputusa n • Ceramah 6 6 100 teori utilitas • Ceramah 7 7 100 nilai informasi • Ceramah 8 8 100 UTS Bahan minggu ke 1 -7 Kuis 9 9 100 strategi .

dan Trisnadi.W. Kluwer A$. Komponen £80. Schlaifer. Analisa Keputusan.1-70 C+ 3. Aplication & Algoritm 3rd edition. 4.1-55 45. Introduction to Statistical Decision Theory. C. Taha. ^97. New York. Pub. H. Springer. Ganesa. Statistical Decision Theory and Bayesian Analysis.. 1987.1-65 50. 2. Riffa. Trends and Challenger. 1995. London.5 Kompone Jumlah 100 n dan persentas Nilai akhir menggunakan standar penilaian : tranformasi ke e penilaian Kisaran nilai Huruf Mutu No. Binampa Aksara. 1994. Mangkusubroto. Riset Operasi.1-75 65. UTS 4.. California .1-50 ¿45 C D+ D E G.1 A penilaian B+ 1 Kuis 75. MIT Press.. J. W-L. UAS 55. 19. Duxbury Pers.L.1-80 B 2. 3. 5. Boston.. Bandung. S. Prat. Operating Research. PUSTAKA ACUAN 1. H. Berger/J. Decision Theory and Decision Analysis. Tugas 70.O. R. Jakarta 6. 1994. K. Rios. Winston.

pengembangan model regresi linier dua variabel dan model regresi dummy iii Menjelaskan. OUTCOME PEMBELAJARAN Outcome dari pembelajaran mata kuliah ini adalah mahasiswa mampu : Menjelaskan pendekatan ekonometrika meliputi definisi. i. memilih metode analisis statistika yang paling sesuai untuk diterapkan pada bidang ekonomi. Belajar Tidak ada mandiri Tugas diberikan setiap kali satu iii. tujuan dan tipe ekonometrika ii Menjelaskan dan menerapkan model regresi persamaan tunggal. C. JUMLAH JAM DAN PEMBAGIANNYA Jumlah tatap 32 kali (16minggu) muka minggu ke 8 UTS dan minggu ke 17 UAS ii. multikolinieritas dan autokorelasi iv Menjelaskan dan menerapkan model regresi non linier v Menjelaskan dan menerapkan model persamaan simultan dan konsep dasar ekonometrika time series. mengidentifikasi dan mengatasi pelanggaran asumsi klasik regresi linier meliputi adanya heteroskedastisitas. ii. TUJUAN PEMBELAJARAN Setelah menempuh mata kuliah ini diharapkan mahasiswa mampu : Menerapkan konsep dasar ekonometrika. Tugas dan bahasan selesai dibahas presentasi i . D. Menganalisis dan melakukan prediksi dari model-model ekonometrika i.RENCANA PROGRAM & KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) A MATA KULIAH Nama Mata Kuliah Kode/sks Semester Status (Wajib/Pilihan) Prasyarat Ekonometrika MAS 4135/ 3 Ganjil P MAS 4231 B.

persamaan 4 Latihan III Diskusi variabel variabel 6 7 IV berganda: regresi induktif masalah parsial. uji I 00 Pokok tunggal uji (Ceramah/Diskusi/ peranan 10 Regresi Bahasan Kontrak kuliah: Pendahuluan regresi. P< Troika bentuk-bentuk fungsional uji kesamaan Pokok Bahasan Waktuke-Piecewise Perkenalan Metode(menit) Sub koefisien&serta Kuis restriksi.Kuis Kuis diadakan sebanyak 2 kali untuk mengetahui tingkat penguasaan mahasiswa terhadap materi E. JADWAL KEGIATAN Minggu soalekonometrika model regresi muanIregresi. global signifikansi. uji dua Ceramah 50 Kuis V 1 9 Model regresi 10 . Ekonometrika Ceramah 5 200 linier Pendekatan ekonometrika 3 II Overview Regresi AnalisisujiDummypembahasan komputer stabilitas.

kointegrasi Dasar time Latihan soal & Diskusi series pembahasan ekonometri ka Presentasi Studi kasus Diskusi makalah I . uji unit root. Granger Causality Test Kuis II Model Sifat-sifat model Ceramah persamaan persamaan simultan simultan. Polynomial Distributed Lag.VI 11 100 12 50 VII 13 100 Asumsi klasik model regresi linier I Asumsi klasik model regresi linier I Asumsi klasik model regresi linier II Asumsi klasik model regresi linier II UTS Multikolineritas Ceramah Heteroskedastisita s Autokorelasi Latihan soal & pembahasan Diskusi 14 50 Pendeteksian dan Ceramah penanganan terhadap kasus adanya multikolinearitas. ekonometri integrated ka stochastic. kualitatif pendekatan binary response. heteroskedastisita s dan autokorelasi Latihan soal & Diskusi pembahasan VIII IX 15 100 16 50 17 100 18 X 50 19 100 20 50 XI 21 100 22 50 XII 23 100 XIII 24 50 25 100 26 50 XIV 27 100 28 XV 29 50 100 30 XVI 31 50 100 Evaluasi materi I . validasi model Metode Latihan soal & Diskusi pendugaan pembahasan persamaan simultan Dasar time Unit root Ceramah series stochastic.Ceramah VII Bahas UTS Diskusi Model Model regresi non Ceramah regresi non linier intrinsik. fixed Ceramah regresi effect. pendugaan k model distributed dinamis lag. masalah identifikasi model Model Latihan soal & Diskusi persamaan pembahasan simultan Metode Model rekursif. Ceramah pendugaan Indirect Least persamaan Square. model Poisson Model Latihan soal & regresi pembahasan Diskusi kualitatif Model Data panel. 3 simultan SLS. 2 SLS. bias persamaan simultan. alternatif LPM. uji stasioneritas. Seemingly Unrelated Regression. linier penaksiran model regresi non linier Model Latihan soal & regresi non pembahasan Diskusi linier Model Sifat-sifat model Ceramah regresi kualitatif. stock adjustment. random panel data effect Model Latihan soal & Diskusi regresi pembahasan panel data Model Peranan Ceramah ekonometri lag.

PENILAIAN No.32 XVII 33 50 120 Presentasi Studi kasus makalah II UAS Diskusi F.0 70.catatan tertutup UTS .0 .Nilai Akhir: menggunakan standar penilaian Huruf Mutu A B+ B C+ C D+ Kisaran nilai > 80.1 -55.catatan tertutup UAS catatan tertutup .0 50.1 75.1 -80.l/2(kuisl + kuis2) Sifat : Kuis .1 -70. Komponen Penilaian 1 2 3" 4 – – Prosentas e Kuis 20 Tugas/presentasi tugas 10 UTS 30 UAS 40 Juml ah 100 Nilai kuis .1 -70.0 55.1 -65.5 65.

2. Digunakan untuk mengetahui keberhasilan pembelajaran (format sudah ditentukan oleh Fakultas) I. Greene. Berdasarkan kegiatan mingguan : – Dapat dilihat dari respon mahasiswa ketika kuliah – Dapat dilihat dari kuis yang diadakan 2. D E W. Umpan balik dari mahasiswa. Econometric Analysis. untuk mengetahui respon mahasiswa yang menyangkut pelaksanaan perkuliahan.MONITORJNG 1.45.PUSTAKA ACUAN 1. D. 1997. 2003. EVALUASI PEMBELAJARAN Dilihat dari nilai akhir (dikatakan berhasil jika minimal 75% mahasiswa mendapat nilai > C dan maksimal 20% mendapat nilai <D . Basic Econometrics 4th ed. dalam bentuk kuesioner yang diisi oleh mahasiswa. New York.0 <45 G.N. Gujarati.1-50. Prentice-Hall. Mc-Graw Hill. H.

model statistika Mengkaji model . iii.RENCANA PROGRAM & KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) A. OUTCOME PEMBELAJARAN Outcome dari pembelajaran mata kuliah ini adalah mahasiswa mampu : i. iv v. Menjelaskan konsep dasar teori penarikan kesimpulan mengenai nilai -nilai parameter yang diduga C. ii. TUJUAN PEMBELAJARAN Setelah menempuh mata kuliah ini diharapkan mahasiswa mampu: i. MATA KULIAH Nama Mata Kuliah Kode/sks Semester Status (Wajib/Pilihan) Prasyarat • Statistika Matematika II MAS 4212/ 3 II W - B. JADWAL KEGIATAN Minggu Pertemuan ke- Waktu (menit) Pokok Bahasan Sub Pokok Bahasan Metode (Ceramah/Diskusi/ Kuis I 1 100 . kritis dan analitis Mengembangkan model . Berpikir logis. Menjelaskan konsep dasar teori pendugaan parameter ii. vi.model statistika Menjadi konsultan statistika Menganalisis data Menguasai dan menerapkan teori statistika E.

JUMLAH JAM DAN PEMBAGIANNYA i Jumlah tatap muka 17 kali minggu ke 8 UTS dan minggu ke 17 U AS Tidak ada Tugas diberikan setiap kali satu bahasan selesai dibahas Kuis diadakan sebanyak 4 kali untuk mengetahui tingkat penguasaan mahasiswa terhadap materi pendugaan Pendugaan Prinsip pendugaan Ceramah Metode Momen dan Diskusi Metode Penggunaan Momen metode momen Pendugaan Prinsip pendugaan Ceramah dan Metode MLE Penggunaan Diskusi Kemungki MLE untuk nan menduga Maksimum parameter berbagai sebaran : Normal. Belajar mandiri iii. Eksponensial Pendugaan Penggunaan MLE Ceramah dan Diskusi Metode untuk menduga Kemungki parameter berbagai nan sebaran: Poisson. Maksimum Geometri dll Mengerjakan Pendugaan Latihan Soal soal dan Metode Diskusi Kemungki nan Maksimum Pendugaan Evaluasi Kuis Metode Kemungki nan Maksimum Sifat .Pendahuluan Kontrak kuliah : Ceramah D. Tugas dan presentasi iv. Kuis 2 II 3 50 100 4 50 III 5 100 6 50 IV 7 100 8 v9 50 100 10 50 .sifat Penentuan bobot Ceramah dan Penduga untuk memperoleh Diskusi penduga yang secara takbias umum Sifat-sifat Definisi MSE dan Ceramah dan Penduga ragam suatu Diskusi secara penduga Penentuan umum MSE dan ragam penduga parameter berbagai sebaran Definisi sifat UMVUE Sifat-sifat Ketidaksamaan Ceramah dan Penduga Cramer Rao dan Diskusi ii.sifat Definisi sifat Ceramah dan Penduga takbias Penentuan Diskusi secara sifat ketakbiasan umum penduga-penduga parameter pada berbagai sebaran Sifat .

jenis hipotesis Elemen -elemen dalam pengujian Tipe -tipe kesalahan pengujian Uji Z Tipe -tipe Uji kesalahan dalam uji Hipotesis z Penentuan ukuran sampel Uji Uji t untuk nilai Hipotesis tengah Uji t Uji untuk Hipotesis membandingkan nilai tengah 2 populasi Uji hipotesis untuk Uji ragam populasi Hipotesis Uji hipotesis Uji untuk kesamaan dua Hipotesis ragam Uji Hipotesis Uji Hipotesis Latihan soal Evaluasi Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Ujian Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Kuis Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Kuis XII 23 100 24 50 .sifat Definisi sifat Penduga kecukupan secara Teorema faktorisasi umum untuk menentukan sifat kecukupan suatu penduga Definisi kecukupan minimum dana UMVUE Metode Lehman Scheffe untuk memperoleh penduga cukup minimum UTS Bahan minggu ke 1 -7 Pembahas an UTS Pendahuluan Uji Hipotesis Jenis .VI 11 100 12 50 VII 13 100 15 100 36 50 IX 17 100 18 50 X 19 100 20 50 XI 21 100 22 50 secara penerapannya pada umum beberapa sebaran Sifat-sifat Definisi Efisiensi Penduga relatif Penentuan secara efisiensi relatif umum beberapa penduga parameter berbagai sebaran Sifat-sifat Definisi sifat Penduga konsistensi Penentuan sifat secara konsisten dari umum ragam penduga untuk ukuran sampel menuju tak hingga Sifat .

Pearson Uji paling kuasa Kuasa Uji seragam Uji rasio kemungkinan Kuasa uji khusus Kuasa Uji pada uji t nilai tengah dua sample berpasangan Pengertian Selang Kepercaya SK untuk sampel besar SK untuk u an dan u r U2 Selang kepercayaan Selang Kepercaya untuk o2 an SK untuk % Dualitas Dualitas antara antara pengujian hipotesis pengujian dan selang hipotesis kepercayaan dan selang kepercayaa n Dualitas Evaluasi antara pengujian hipotesis dan -_i__ Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Ceramah dan Diskusi Kuis .XIII 25 100 26 50 XIV 27 100 28 50 XV 29 100 30 50 XVI 31 100 32 50 Kuasa Uji Pengertian Paradigma Neyman -Pearson Kuasa Uji Uji optimal: Lemma Neyman .

Digunakan untuk mengetahui keberhasilan pembelajaran (format sudah ditentukan oleh Fakultas) I.F. dalam bentuk kuesioner yang diisi oleh mahasiswa. 3. G. Duxbury Press.. Taiwan 1. 1995. 1981. A first Course in Mathematical Statistics. M.. E. Mathematical statistics with Application. J.0 50. MONITORING – – 1. Dudewiscz.1 -55. untuk mengetahui respon mahasiswa yang menyangkut pelaksanaan perkuliahan. A. R.Nilai Akhir: menggunakan standar penilaian Huruf Mutu A B+ B C+ C D+ D E Kisaran nilai > 80. PENILAIAN No. G.0 45. Engelhardt. Bandung. EVALUASI PEMBELAJARAN Dilihat dari nilai akhir (dikatakan berhasil jika minimal 75% mahasiswa mendapat nilai > C dan maksimal 20% mendapat nilai < D .catatan tertutup UTS . Rice.1 -50.. Taipei. Lee. PUSTAKA ACUAN Bain. California 2. D. Mathematical Statistics and Data analysis. Mei Ya Publication Inc.0 70. mendenhall. Wackerly. Duxbury Press. Statistika dan Matematika Modern. H.T dan Mishra. Umpan balik dari mahasiswa. J. Introduction to Probability and Mathematical Statistics. Komponen Penilaian 1 2 3 4 – – Prosentas e Kuis 20 Tugas/presentasi tugas 10 UTS 30 UAS 40 Jumlah 100 Nilai kuis = l/4(kuisl + kuis2 + kuis 3 + kuis 4) Sifat : Kuis .1 -80. California. Duxburry Press. Scheaffer.K Sembiring.5 65. 1995. D. ITB.1-70. Berdasarkan kegiatan mingguan : Dapat dilihat dari respon mahasiswa ketika kuliah Dapat dilihat dari kuis yang diadakan 2. L. W. 1992. Boston 4.. Roussas. 5.0 55. 1973.catatan tertutup UAS catatan tertutup .1 -65.1 75.0 <45 G. Terjemahan R.1-70.

C. ii iii iv v vi vii viii ix Menyebutkan beberapa manfaat penggunaan kualitas kontrol dalam proses industri Mengulang pengertian-pengertian statistik yang diperlukan dalam kualitas kontrol dan dapat menggunakan distribusi peluang dalam pemodelan Menarik kesimpulan tentang hasil suatu proses Memantau dan mengawasi suatu proses. Membuat control chart pengendalian proses statistik lain yang berguna dalam keadaan tertentu Menganalisis kapabilitas (kemampuan) proses Menerapkan sampling penerimaan . : Genap :W : MAS 4221 B. i. Membuat control chart dan menjelaskan akibat terjadinya variasi dalam produksi Membuat control chart dan menjelaskan akibat terjadinya variasi dalam produksi. MATA KULIAH Nama Mata Kuliah Kode/sks Semester Status (Wajib/Pilihan) Prasyarat x Statistika Pengendalian Mutu : MAS 4232 / 3 . OUTCOME PEMBELAJARAN Outcome dari pembelajaran mata kuliah ini adalah mahasiswa mampu : i. TUJUAN PEMBELAJARAN Setelah menempuh mata kuliah ini diharapkan mahasiswa mampu : Mahasiswa mampu mengetahui dan menentukan mutu yang baik dari suatu hasil proses dengan mengadakan pengujian statistika yang tepat dan cepat terlebih dahulu ii. Mahasiswa mampu menentukan uji statistik yang paling cocok bagi pengendalian mutu.RENCANA PROGRAM & KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) A.

E. JADWAL KEGIATAN Minggu .

Pertemuan ke- .

Waktu (menit) .

Pokok Bahasan .

Sub Pokok Bahasan .

Metode .

(Ceramah/Diskusi/ Kuis .

I .

1 .

100 .

Pendahuluan .

Kontrak kuliah : Perkenalan .

Penjelasan Materi yang dibahas MK Statistika Pengendalian Mutu .

Ceramah .

.

2 .

50 .

Jaminan kualitas dalam bisnis .

Arti kualitas. biaya kualitas. Jaminan kualitas teknologi dan produktivitas. metode jaminan kualitas .

Ceramah .

¡1 .

3 .

100 .

Pemodelan .

Kualitas .

Proses .

beberapa distribusi diskrit. beberapa pendekatan yang berguna . beberapa distribusi kontinu.Penggambaran variasi.

Ceramah .

.

4 .

50 .

Pemodelan .

Kualitas .

Proses .

Latihan soal & pembahasan .

Diskusi .

III .

5 .

100 .

Inferensi Tentang Kualitas Proses .

Statistik dan distribusi sampling. uji hipotesis . penaksiran parameter.

Ceramah

6

50

Latihan soal & jxmbahasan

Diskusi

7

100

Proses Bekerjanya ■Grafik Pengendali .

analisis pada grafik pengendali.Sebab-sebab tak terduga dan terduga variabilitas kualitas. dasar statistik grafik pengendali. penerapan .

Ceramah .

JUMLAH JAM DAN PEMBAGIANNYA i Jumlah tatap muka 32 kali (dalam 16 minggu) minggu ke 8 UTS dan minggu ke 17 U AS Tidak ada Tugas diberikan setiap kali satu bahasan selesai . Tugas dan presentasi iv. Belajar mandiri iii.D. Kuis .dibahas Kuis diadakan sebanyak 2 kali untuk mengetahui tingkat penguasaan mahasiswa terhadap materi ii.

untuk mengetahui respon mahasiswa yang menyangkut pelaksanaan perkuliahan.MONITORING – – 1.G. 1981.. Statistical Quality Control. dalam bentuk kuesioner yang diisi oleh mahasiswa.PUSTAKA ACUAN Cochran.L. 3. John Wiley and Sons. Prentice Hall.1 -55. Huruf Mutu A B+ B C+ C D+ D E H.1 . 2.Nilai Akhir : menggunakan standar penilaian Kisaran nilai > 80. Sampling Tehniques.0 45. Berdasarkan kegiatan mingguan : Dapat dilihat dari respon mahasiswa ketika kuliah Dapat dilihat dari kuis yang diadakan 2.1-80.0 70. New York.0 55. Statistics Quality Control..70.0 <45 G.5 65. 1988. New York. 1977.Sifat : Kuis . Umpan balik dari mahasiswa.0 50.1-50. New York.. McGraw Hill Publication.1-65. EVALUASI PEMBELAJARAN Dilihat dari nilai akhir (dikatakan berhasil jika minimal 75% mahasiswa mendapat nilai > C dan maksimal 20% mendapat nilai <D . Grant. Digunakan untuk mengetahui keberhasilan pembelajaran (format sudah ditentukan oleh Fakultas) I.1-70. 1.catatan tertutup UTS . Gupta.catatan tertutup UAS catatan tertutup . W. E.1 75.

XI 21 22 XII 23 24 XIII 25 26 XIV 27 100 50 100 50 100 50 100 Proses 11 Sampling Penerimaa n Atribut I Sampling Penerimaa n Atribut I Sampling Penerimaa n Atribut II Sampling Penerimaa n Atribut II Sampling Penerimaa n Atribut III Kuis II Sampling Penerimaa n Variabel I Sampling Penerimaa n Variabel I Sampling Penerimaa n Variabel II Sampling Penerimaa n Variabel II Presentasi Makalah I Presentasi Makalah II UAS 1/2 Sampling Ceramah penerimaan tunggal dan ganda Latihan soal & Diskusi pembahasan Sampling Ceramah penerimaan darab. sekuensial dan PCTK Latihan soal & Diskusi pembahasan Sampling Ceramah penerimaan MIL STD 105D.Nilai kuis = (kuisl + kuis2) No. Komponen Penilaian Presentase 1 Kuis 20 2 Tugas/presentasi tugas 10 3 UTS 30 4 UAS 40 . Dodge Romig Sampling penerimaan variabel dengan pengendalian parameter proses Latihan soal & pembahasa n Sampling penerimaan variabel dengan pengendalian proporsi item cacat Latihan soal & pembahasa n Contoh-contoh kasus penerapan Contoh-contoh kasus penerapan Ceramah 28 XV 29 50 100 Diskusi Ceramah 30 XVI ai 32 XVII 33 50 100 50 120 Diskusi Diskusi Diskusi .

Grafik pengendali x dan R. PENILAIAN grafik pengendali v 8 9 50 100 Kuis I Grafik Pengendal i Sifat Pendahuluan. Grafik pengendali jumlah komulatif.Jumlah 100 F. estimasi batas natural proses 20 50 Analisis Latihan soal & Diskusi Kapabilita pembahasan s RENCANA PROGRAM & KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) A. grafik pengendali variable yang lain. Garis petunjuk guna melaksanakan grafik pengendali Latihan soal & pembahasa n Grafik pengendali terubah. Grafik pengendali bagian tak sesuai. rasio kapabilitas proses 18 50 Analisis Latihan soal & Diskusi Kapabilita pembahasan s Proses I Analisis Prosedur analisa Ceramah X 19 100 Kapabilita kapabilitas proses s Proses II dengan observasi tunggal. Grafik pengendali ketidaksesuaian Latihan soal & pembahasa n Pendahuluan. Pemilihan antara grafik pengendali sifat dan variable. Grafik pengendali ratarata tertimbang Latihan soal & pembahasa n Evaluasi materi I VII Ceramah 10 VI 11 50 100 Grafik pengendal i Variabel Diskusi Ceramah 12 VII 13 50 100 Teknik Pengendal ian Proses statistik Yang Lain Diskusi Ceramah 14 VIII 15 16 50 100 50 UTS Diskusi Ceramah Bahas Diskusi UTS Analisis Prosedur untuk IX 17 100 Ceramah Kapabilita mengestimasi s Proses I kapabilitas proses. MATA KULIAH Nama Mata Kuliah Riset Operasi . dengan informasi peta kendali. hubungan spesifikasi dan kapabilitas proses. penetapan batas toleransi rakitan dan komponen.

JADWAL KEGIATAN . Belajar Tidak ada mandiri i E.Kode/sks Semester Status (Wajib/Pilihan) Prasyarat MAS 4241 / 3 Genap P MAS 4141. ii ii iii iv v vi vii vii ! ix Memanage dan mengorganisir Membuat program komputer Mengaplikasikan berbagai program komputer Berpikir logis. kritis dan analitis Menjadi konsultan statistika Mengkomunikasikan kembali hasil analisis dan kesimpulan ke permasalahan semula Merumuskan hasil dan menarik kesimpulan secara sahih Menganalisis data Mengidentifikasi masalah dan memilih model yang tepat Menterjemahkan masalah hayati dan ekonomi ke logika statistika D. JUMLAH JAM DAN PEMBAGIANNYA Jumlah tatap 17 kali muka minggu ke 8 UTS dan minggu ke 17 UAS u.model dalam riset operasi C. TUJUAN PEMBELAJARAN Setelah menempuh mata kuliah ini diharapkan mahasiswa mampu : Menguasai prinsip riset operasi Menerapkan model . MAS 4211 B. OUTCOME PEMBELAJARAN i.

Formulasi rekursi dinamic programming Bahan minggu pertama sampai minggu ke tujuh 100 Model Sediaaan - Ceramah dan Diskusi X 10 100 Model Dasar .dasar model sediaan Model Ecanomic Order Quantity Dasar Pengaruh dari Lead Time yang Tidak sama dengan Nol .Minggu Pertemuan ke- Waktu (menit) Pokok Bahasan Sub Pokok Bahasan Metode (Ceramah/Diskusi/ Kuis I 1 100 Jaringan - Ceramah II 2 100 Jaringan Definisi dasar Shortest Path Problem Maximum Flow Problems .Network Problem Minimum Cost Network Flow Problems Minimum Spanning Tree Problem Ceramah dan Diskusi V 5 100 Pemrograman Dinamik Inventory Problem .Resource Allocation Problem Ceramah dan Diskusi VI 6 100 Pemrograman Dinamik Ceramah dan Diskusi VII 7 100 Goal Program m ing Goal Programming Ceramah dan Diskusi VIII 8 100 Evaluasi UTS IX Equipment Replacement Problem .CPM dan PERT Ceramah dan Diskusi III 3 100 Jaringan - Ceramah dan Diskusi IV 4 100 Pemrograman Dinamik .

Analisis Ceramah dan sediaan Marjinal Diskusi Probabilist . Tugas dan presentasi iv. Kuis EOQ Model dengan Back Orders Kapan Model Determonistik EOQ XI 11 100 XII 100 XIII 13 100 XIV XV 14 15 100 100 XVI 16 100 Tugas diberikan setiap kali satu bahasan selesai dibahas Kuis diadakan sebanyak 4 kali untuk mengetahui tingkat penguasaan mahasiswa terhadap materi dipergunakan Model .Rantai Markov .Notasi pada Model Antrian .Klasifikasi state di dalam Rantai Markov Rantai .Peluang steady state di dalam pengambilan keputusan .Proses antrian Ceramah dan Antrian Queueing Diskusi Formula .Nilai kuis = l/4(kuisl + kuis2 + kuis 3 + kuis 4) No.Peluang steady Ceramah dan Markov state suatu Diskusi rantai markov .EOQ dengan Permintaan Probabiltstik (r. Waktu Layanan Eksponensial Sistem .sediaan Deterministik - Ceramah dan Diskusi iii.Newspaper ik Boy Problem .Peluang Transisi nlangkah . Komponen Penilaian Presentase 1 Kuis 20 2 Tugas/presentasi tugas 10 .Kedatangan Ceramah dan Sistem Sebagai Proses Diskusi Antrian Poisson.q) Model Sistem .Proses Ceramah dan Markov Stokastik di Diskusi dalam waktu diskrit .Sistem M/M/l Ceramah dan Antrian Sistem M/M/co Diskusi .Sistem M/M/s Rantai .

1 -50. H. Bina Aksara. dalam bentuk kuesioner yang diisi oleh mahasiswa. W.1 75. PENILAIAN Sifat : Kuis . S dan Lieberman.1-70. Umpan balik dari mahasiswa.0 <45 Huruf Mutu A B+ B C+ C D+ D E G. Jakarta 2. Hillier. Introduction to Operation Research. 1982.catatan tertutup Nilai Akhir: menggunakan standar penilaian Kisaran nilai > 80. Berdasarkan kegiatan mingguan : Dapat dilihat dari respon mahasiswa ketika kuliah Dapat dilihat dari kuis yang diadakan 2.1 -80.3 UTS 30 4 UAS 40 Jumlah 100 F. Digunakan untuk mengetahui keberhasilan pembelajaran (format sudah ditentukan oleh Fakultas) I. Operation Research: Application & Algorithm 3rd edition. Prentice Hall. F. MONITORING – – 1. Taha. 1997. Riset Operasi. MATA KULIAH Nama mata kuliah Kode/sks Semester Status (Wajib/Pilihan) Prasyarat : Analisis Variansi : MAS 4223 3 : III :P : MAS 4221 .0 55. H.0 50. Duxbury Pers California H.0 45. 1994. 1980. EVALUASI PEMBELAJARAN Dilihat dari nilai akhir (dikatakan berhasil jika minimal 75% mahasiswa mendapat nilai > C dan maksimal 20% mendapat nilai < D RENCANA PROGRAM & KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) A. PUSTAKA ACUAN 1.5 65.1 -55. Winston. Wagner. New York 4. L. Holden -Day Inc> California 3. Principles of Operation Research.1-70.0 70.1 -65.catatan tertutup UTS catatan tertutup UAS . untuk mengetahui respon mahasiswa yang menyangkut pelaksanaan perkuliahan.

presentasi nilai bagi penyaji dan penanya.B. Normalitas : 2 3 . 6 11 . OUTCOME PEMBELAJARAN Setelah menempuh mata kuliah ini diharapkan mahasiswa dapat 1. Belajar mandiri memenuhi asumsi dalam berbagai tingkat atau kasus. JADWAL KEGIATAN Mingg Pertemu Waktu Pokok Bahasan Sub-pokok (menit u ke an bahasan ) 1 i. arah Penguraian hasil amatan ke dlm komponen-2 -. dengan interaksi. 12 150 Klasifikasi 2 arah (tanpa Model Linier -. Konsep dasar -. interaksi 3 faktor. Saling bebas : fungsi dan pengujian 3 5. Memilih dan melakukan analisis ragam klasifikasi satu arah atau yang lain. yang sesuai dengan tujuan yang ingin dicapai. Menguji apakah data memenuhi asumsi analisis ragam 2. Jumlah : 16. Model Linier -. interaksi 2 faktor. Hasil evaluasi sebagai bonus .2 . Kuis 2 kali: minggu ke 5 dan ke-I3. Contoh & tugas Metod e Diskus i Diskus i Diskus i Diskus i Diskus i . C. TUJUAN PEMBELAJARAN Membekali mahasiswa pengetahuan tentang : 1. Antar Sampel -.8 150 KUIS-1 (teori dan hitungan) 5 9 . E. Dalam Sampel -. UTS ke 8. interaksi Penguraian hasil amatan ke dlm komponen-2 -. Homogenitas : fungsi dan pengujian -. 2 150 Pendahuluan -. Kuis. Pengaruh perlakuan dan statistik uji -. 3 Analisis klasifikasi satu arah 4 Analisis klasifikasi dua arah. sub-sampling 5. UAS ke tatap muka 16 : Melakukan analisis ragam terhadap data yang tidak ii. Analisis klasifikasi 3 arah : tanpa interaksi. R. R. iv. JK-komponen. 10 150 Penjelasan soal kuis -. Asumsi-asumsi yang harus dipenuhi dan fungsinya masingmasing 2. Contoh & tugas Minggu 1 s/d 3 4 7. D. Cara-cara mengatasi asumsi yang tidak memenuhi. Dan mencari perbedaan hasil bila asumsi yang tidak terpenuhi tersebut dapat diatasi iii Tugas dan : Mengambil satu atau dua dari hasil belajar sendiri untuk dipresentasikan .4 150 Asumsi-2 fungsi dan pengujian -. minggu ke 5 dan 13. Deskripsi -. JUMLAH JAM DAN PEMBAGIANNYA i. tabel anava. JK-komponen. tanpa interaksi.2 .6 150 Klasifikasi satu -. Deskripsi -. tabel anava.

-. JK-komponen-2 . (interaksi 2 Model Linier -. Penguraian hasil faktor) amatan ke dlm komponen-2 -. 3-arah -. 28 150 29. tabel anava.-. (tanpa interaksi) Model Linier -. -. thd Kias. Komponen penilaian Prosentase 1 Kuis 10 2 Tugas 20 3 UTS 30 4 UAS 30 5 Praktikum/responsi 10 Jumlah .-.Model Linier -. Contoh & tugas. U. Deskripsi -. sampl. Deskripsi -. arah) Penguraian hasil amatan ke dlm komponen-2 -. 3-arah -. 16 150 (lanjutan) 150 Klasifikasi 2 arah (dengan interaksi) 9 1 7 . Komponen PENILAIAN penilaian: No. I Minggu 1 s/d 8 Diskus i Diskus i 10 1 9 . 20 150 11 21 . 2 . Penguraian hasil amatan ke dlm komponen-2 -.Efisiensi (lanjutan) Relatif.7 8 13 . 18 150 UTS Lfisiensi thd Kias 1 arah. Contoh & tugas Review all & diskusi umum Diskus i Diskus i Diskus i Diskus i Diskus i Diskus i F. --. Contoh & tugas Kias. Deskripsi -. 1 . 14 15 . JK-komponen — 2 . (Kias. tabel anava KUIS-2 Minggu 10 s/d 12 . 1-arah dan 2arah Kias.Model Linier -. (Kias. JK-komponen-2 . arah) Penguraian hasil amatan ke dlm komponen-2 -. 26 150 2 7 . 24 150 13 14 15 2 5 . 30 150 16 31 . JK-komponen. Pengaruh S. Deskripsi -. Deskripsi -. Contoh -. Model Linier -.2 . tabel anava. sampl. tabel anava. 2 2 150 12 2 3 .32 150 Analisa Sub. Penguraian hasil amatan ke dlm komponen-2 -. Contoh & tugas Analisa Sub.

John Wiley & Sons. Prinsip dan Prosedur Statistika. S. . .S. Suatu Pendekatan Biometrik.P. Gramedia PU.G. R. PT.. Steel. Box.100 G.D. Jakarta. Inc. PUSTAKA ACUAN Pustaka acuan: 1.E. Torrie. Jakarta. Analisis dan Interpretasinya. Hunter. 1978. PT Gramedia PU. dan J.G. G. Edisi ke dua. 1991. 3. W.H. Yitnosumarto.1991. New York 2. Hunter and J. Statistics for Experimenters. Terjemahan. Percobaan : Perancanagan.

JUMLAH PEMBAGIANNYA JAM & KEGIATAN Analisis Regresi Lanjutan MAS 4235/1+1 IV.VI P MAS 4231 DAN i Jumlah tatap muka 16 kali (@ 50 menit). Minitab iii Mampu menerjemahkan masalah hayati dan ekonomi ke logika statistika iv Mampu mengidentifikasi masalah dan memilih model yang tepat v Mampu menganalisis data vi Mampu menimuskan hasil dan menarik kesimpulan secara sahih kembali vii Mampu mengkomunikasikan semula hasil analisis dan kesimpulan ke permasalahan viii Mampu menjadi konsultan statistika 323 . MATA KULIAH Nama Mata Kuliah Kode/sks Semester Status (Wajib/Pilihan) Prasyarat D. minggu ke-9 UTS (100 menit) ii Belajar mandiri l-2jam/minggu 111 Tugas dan presentasi 1-2 jam/minggu iv Kuis 2 kali (@ 50 menit) B. OUTCOME PEMBELAJARAN i Mampu berpikir logis. TUJUAN PEMBELAJARAN i Mahasiswa mampu melakukan pemodelan masalah regresi linier berganda Mahasiswa mampu menduga parameter model regresi 1 linier berganda dan memilih regresi linier terbaik Mahasiswa mampu mengidentifikasi adanya pelanggaran iii asumsi regresi linier. kritis dan analitis ii Mampu mengaplikasikan software SPSS.RENCANA PROGRAM PEMBELAJARAN SEMESTER (R PK PS) A. khususnya multikolinieritas iv Mahasiswa mampu menangani pelanggaran asumsi regresi linier Mahasiswa v regresi lag mampu melakukan pemodelan analisis dan menginterpretasikan vi Mahasiswa mampu melaksanakan model pertumbuhan dan menginterpretasikan Mahasiswa mampu melaksanakan model nonlinier vii intrinsic dan menginterpretasikan Vili Mahasiswa mampu menyelesaikan kasus yang berkaitan dengan masalah regresi dan menginterpretasikan C.

JADWAL KEGIATAN Minggu 324 .E.

Pertemuan ke- 325 .

Waktu (menit) 326 .

Pokok Bahasan 327 .

Sub Pokok Bahasan 328 .

Metode (Ceramah/Diskusi/Kuis) 329 .

I 330 .

1 331 .

50 332 .

Pendahuluan 333 .

Kontrak Kuliah 334 .a.

b. Referensi 335 .

Ceramah 336 .

II 337 .

2 338 .

50 339 .

Review Regresi Linier Berganda 340 .

341 . Model Umum.a.

parameter 342 .

Ceramah dan Diskusi 343 .

III 344 .

3 345 .

50 346 .

Pemilihan regresi linier terbaik 347 .

a. Metode Best subset 348 .

Ceramah dan Diskusi 349 .

IV 350 .

4 351 .

50 352 .

Pemilihan regresi linier terbaik 353 .

Metode Stepwise 354 .b.

Ceramah dan Diskusi 355 .

V 356 .

5 357 .

50 358 .

Asumsi Regresi Linier 359 .

Pemeriksaan asumsi.a. 360 .

Kuis I 361 .Ceramah dan Diskusi.

VI 362 .

6 363 .

50 364 .

Penanganan Heteroskeda stisitas 365 .

Tansformasi 366 .a.

Ceramah dan Diskusi 367 .

VII 368 .

7 369 .

50 370 .

Penanganan Midtikolinie ritas 371 .

Principal Componen Analysis 372 .a.

Ceramah dan Diskusi 373 .

VIII 374 .

8 375 .

50 376 .

Penanganan Multikolinie ritas 377 .

Ridge Regression 378 .b.

Ceramah dan Diskusi 379 .

IX 380 .

9 381 .

100 382 .

UTS 383 .

384 .

385 .

X 386 .

10 387 .

50 388 .

Regresi Polinomial 389 .

Definisi 390 .a.

391 .parameter.

Ceramah dan Diskusi 392 .

XI 393 .

II 394 .

50 395 .

Model 396 .

Distribusi 397 .

Lag 398 .

Definisi 399 .a.

parameter: Koyck Pendekatan 400 .

Ceramah dan Diskusi 401 .

XII 402 .

12 403 .

50 404 .

Model 405 .

Distribusi 406 .

Lag 407 .

Pendekatan Almon 408 .c.

Ceramah dan Diskusi 409 .

XIII 410 .

13 411 .

50 412 .

Model 413 .

Pertumbuhan 414 .

Definisi 415 .a.

b. Model Umum 416 .

Ceramah dan Diskusi. Kuis II 417 .

XIV 418 .

14 419 .

50 420 .

Model 421 .

Pertumbuhan 422 .

Pendugaan parameter 423 .c.

Ceramah dan Diskusi 424 .

XV 425 .

15 426 .

50 427 .

Regresi 428 .

nonlinier 429 .

Intrinsik 430 .

Definisi 431 .a.

b. Model umum 432 .

Ceramah dan Diskusi 433 .

XVI 434 .

16 435 .

50 436 .

Regresi 437 .

Nonlinier 438 .

Intrinsik 439 .

a. Pendugaan parameter 440 .

Ceramah dan Diskusi 441 .

442

F. Nilai kuis = V£ PENILAIAN (kuisl + kuis2) Sifat: Kuis - catatan tertutup UTS catatan tertutup UAS - catatan tertutup

No.

443

Komponen Penilaian

444

Presentase

445

1

446

Kuis

447

20

448

2

449

Tugas/presentasi tugas

450

10

451

3

452

UTS

453

30

454

4

455

UAS

456

40 457 .

458 .

Jumlah 459 .

100 460 .

1-75.1 75. Montgomery. Bandung. R.0 70. New York. (diterjemahkan oJeh Bambang Sumantri).0 55. PUSTAKA ACUAN Draper. Stanford [1985]. Wiley.1-65. Weisberg.1 .0 50. Boston.1-55. Myers.1 -70. Classical and Modern Regression with Applications. 461 . Jakarta. N. Penerbit ITB.1-80.50. Douglas. PWS-Kent Publishers. Peck [1992]. H [1990]. PT Gramedia.0 s.0 45. Analisis Regresi. R.K [1995]. C and Elizabeth A. Applied Regression Analysis. Applied Linear Regression. 45 Huni f Mum A B+ B C+ C D+ D E G. R and H.Kisaran Nilai * 80. Introduction to Linear Regression Analysis. New York. Smith [1992]. Wiley. Sembiring.0 65.

sesuai dengan karakteristik populasi serta prosedur pendugaan parameter populasi iv. Kuis (@50 menit) . Pemahaman terhadap cara-cara memilih metode sampling yang tepat.RENCANA PROGRAM & KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) A. Pemahaman mahasiswa terhadap penarikan contoh berpeluang dan tanpa pertimbangan peluang iii. Mahasiswa dapat menentukan metode sampling yang sesuai dengan populasi di mana sample diambil serta menentukan ukuran sampel iii. Mahasiswa mampu menerapkan sampling pada kejadian sehari-hari yang ada di sekelilingnya i. JUMLAH JAM DAN PEMBAGIANNYA i Jumlah tatap muka 14 kali UTS : mingguke-8 UAS : mingguke-16 Presentasi 1 : minggu ke. Tugas dan presentasi iii. D. OUTCOME PEMBELAJARAN Mahasiswa mampu menentukan populasi dan membuat kerangka sampling dengan benar ii. Mahasiswa dapat menduga karakteristik populasi yang dipelajari berdasarkan statistik yang diperoleh iv. C. untuk mengetahui tingkat penguasaan mhs terhadap materi ii. TUJUAN PEMBELAJARAN Mahasiswa memahami konsep dasar dan masalahmasalah yang sering muncul dalam sampling ii. Mahasiswa dapat menjadi konsultan untuk masalah yang berkaitan dengan cara-cara menentukan unit sampel i. MATA KULIAH Nama Mata Kuliah Kode / sks Semester Status (Wajib/Pilihan) Prasyarat Teknik Sampling & Survai MAS 4112/ 3 V W MAS 4218 (Pengantar Teori Peluang) B.5 Presentasi 2 : minggu ke.12 2 kali.

kesalahan dalam penarikan sample. contoh soal Ceramah 100 idem Menentukan n Ceramah 10 50 ide m Bahan s/d minggu ke IV Kuis VI 11 100 idem Terapan. penilaian. Ceramah penyegaran konsep statistika 50 Termino logi Definisi dalam sampling: populasi. penyeles .Minggu Perte muan Pokok keBahasa Waktu n (menit) 1 100 Pendah uluan Sub Bahasan Pokok Metode (Ceramah /Diskusi/Kuis Kontrak perkuliahan. garis besar materi perkuliahan. Ceramah kerangka contoh. grafik Ceramah ukuran sample versus besarnya kesalahan Inventarisasi masalah Diskusi 100 50 Konsep dasar penarikan contoh Dasar penarikan contoh III 100 Identifikasi masalah lingkungan Contoh-contoh masalah Disku di mana harus dilakukan sampling si karena sensus tidak mungkin 50 Pengambilan sampel dengan Ceramah Sampling Acak Sederhana (Simple atau tanpa pengembalian. unit contoh Tahapan sampling. kombinasi outcome Random Sampling) 100 idem Menduga rata-rata dan ragam populasi secara empiris dan dengan rumus proporsi IV 50 idem Menduga total dan populasi.

ragam dan proporsi populasi. tugas Ceramah / diskusi IX 17 Pendugaan bagi rata-rata. menduga parameter Lanjutan Aplikasi SRS dan cluster dalam masalah sehari-hari Svarat neneuunaan nendnuaan X XI 21 100 idem . Random Sampling 100 50 100 idem idem UTS VIII 15 16 Bahan minggu ke I . hitung n . alokasi (Stratified sampel dalam tiap lapisan. tugas 14 Sampling Acak Prosedur pelapisan dan Berlapis sampling acak. penerapan SAS dalam SAB 50 Penarikan contoh sistematis 19 20 100 50 Cara menentukan unit contoh. Ceramah linear systematic. soal. cyclic systematic Simple Cluster Sampling idem Unit primer dan unit sekunder. Efisiensi terhadap SAS~ penentuan n.VII Ceramah .aian a alahan____________ beberap permas Diskusi 12 50 idem S AS Presentasi VII 13 50 100 ide m S AS Presentasi Ceramah.

F. PENILAIAN XII .

23 .

100 .

idem .

Lanjutan .

.

24

50

Bahan minggu VII -XII

Kuis

XIII

25

100

P C berpeluang sebanding

Metode pendugaan .

Ceramah .

.

26 .

50 .

Penduga rasio .

Syarat. menentukan n . metode pendugaan.

Ceramah/ Diskusi .

XIV .

27 .

100 .

idem .

Lanjutan .

Ceramah/ diskusi .

.

28 .

50 .

Penduga regresi .

total populasi dan proporsi .Metode pendugaan terhadap rata-rata.

Ceramah/ diskusi .

XV .

29 .

100 .

.

Efisiensi relative terhadap metode lainnya .

Ceramah/ diskusi .

.

30 .

50 .

Lanjutan .

Penduga rasio dan penduga regresi .

Presentasi/ Diskusi .

XVI .

31 .

100 .

Penarikan contoh bertahap ganda .

Metode pengambilan unit contoh. kombinasi beberapa metode .

Ceramah/ diskusi .

.

32 .

50 .

.

Perbandingan dengan penduga rasio dan penduga regresi .

Ceramah/ diskusi .

XVI .

.

.

UAS .

Bahan satu semester .

.

1 2 3 4 – Komponen Penilaian Kuis Tugas/presentasi tugas UTS UAS Jumlah Presentase 10 20 30 40 100 Nilai kuis = Vi (kuisl + kuis2) – Sifat : Kuis .0 50.1 75.1 -80.0 45.0 55.0 70.No.Standar penentuan nilai akhir (huruf mutu) Kisaran nilai > 80.5 65.0 <45 Huruf Mutu A B+ B C+ C D+ D E .1-50.1 -65.catatan tertutup UTS & UAS .1-55.1 -70.1-70.buka rumus .

Sign up to vote on this title
UsefulNot useful