BRP Statprob PDF
BRP Statprob PDF
MATA AJAR
oleh
Tim Dosen
Mata Ajar Statistika dan Probabilitas
Fakultas Teknik
Universitas Indonesia
Depok, Februari 2016
1
DAFTAR ISI
hlm.
PENGANTAR 4
BAB 1 INFORMASI UMUM 5
BAB 2 KOMPETENSI (CAPAIAN PEMELAJARAN) MATA 6
AJAR
1. Kompetensi (Capaian Pembelajaran Terminal) 6
2. Subkompetensi (Capaian Pembelajaran Penunjang) 7
3. Bagan Alir Capaian Pembelajaran 8
BAB 3 BAHASAN DAN RUJUKAN 9
BAB 4 TAHAP PEMELAJARAN 12
BAB 5 RANCANGAN TUGAS DAN LATIHAN 15
BAB 6 EVALUASI HASIL PEMELAJARAN 17
BAB 7 MATRIKS KEGIATAN 20
LAMPIRAN CONTOH SOAL TUGAS DAN EVALUASI 30
2
PENGANTAR
Pengetahuan dalam Statistika dan Probabilitas memiliki peran yang penting dalam
bidang ilmu Teknik, baik untuk penelitian maupun aplikasi di industri. Dalam banyak situasi,
pengolahan dan analisis data sangat tergantung pada aplikasi metode Statistika, di mana
penggunaannya dapat menyediakan dasar bagi penjelasan yang logis mengenai hubungan
yang terjadi antar variabel. Sebagai mata ajar dasar Teknik untuk program S1, Statistika dan
Probabilitas akan memberikan pengetahuan dan keahlian dasar bagi mahasiswa untuk
menangani data dan informasi secara tepat, mulai dari Statistika Deskriptif sampai dengan
Statistika Inferensial.
Buku Rancangan Pemelajaran (BRP) ini disusun sebagai pedoman bagi pengajar
untuk memberikan pemelajaran mata ajar Statistika dan Probabilitas. Dengan menggunakan
BRP ini, setiap pengajar dapat memahami tujuan pemelajaran, dan mempersiapkan setiap
topik pemelajaran dengan baik dan sistematis.
Tim Dosen
3
BAB 1 INFORMASI UMUM
5. Jumlah SKS :2
6. Metode pembelajaran : Aktif
7. Mata kuliah yang menjadi prasyarat :-
8. Menjadi prasyarat untuk mata kuliah :
9. Integrasi antara mata kuliah :-
4
BAB 2 KOMPETENSI (CAPAIAN PEMELAJARAN) MATA AJAR
STATISTIKA DAN PROBABILITAS
5
2.2 Subkompetensi (Capaian Pembelajaran Penunjang)
2.2.1 Mahasiswa dapat menjelaskan peran Statistika, aplikasinya dalam bidang Teknik dan
prosedur dasar pemecahan masalah berdasarkan metode ilmiah (C2).
2.2.3 Mahasiswa mampu menyajikan data ke dalam bentuk distribusi frekuensi dan grafik
penyajian data yang sesuai, seperti histogram, diagram batang, diagram pencar dan
yang lainnya (C3).
2.2.7 Mahasiswa dapat menyusun distribusi sampling dari mean dan proporsi termasuk
menghitung mean dan deviasi standar dari distribusi-distribusi sampling tersebut (C3).
2.2.8 Mahasiswa melakukan estimasi mean dan variansi populasi berdasarkan data
/informasi dari sampel (C3).
2.2.9 Mahasiswa dapat menyimpulkan parameter populasi dari satu atau dua sampel dengan
menggunakan prosedur uji hipotesis untuk mean dan variansi, dan juga dengan
menggunakan beberapa prosedur uji hipotesis tingkat lanjut (Uji Chi-square) (C4).
2.2.10 Mahasiswa dapat mengkaitkan hubungan yang terjadi antar variabel dalam persamaan
regresi linier sederhana termasuk memvalidasinya dengan analisis korelasi untuk
tujuan prediksi (C4).
6
2.3 Bagan Alir Kompetensi
Mahasiswa mampu menganalisis data dan informasi kuantitatif, mulai dari tahap deskriptif, sampai dengan tahap
induktif atau inferensial
2.2.10 Mahasiswa dapat mengkaitkan hubungan yang terjadi antar variabel dalam persamaan regresi linier sederhana
termasuk memvalidasinya dengan analisis korelasi untuk tujuan prediksi
2.2.9 Mahasiswa dapat menyimpulkan parameter populasi dari satu atau dua populasi dengan menggunakan prosedur
uji hipotesis untuk mean dan variansi, dan juga dengan menggunakan beberapa prosedur uji hipotesis tingkat lanjut
(Uji Chi-square)
2.2.8 Mampu melakukan estimasi mean dan variansi populasi berdasarkan data /informasi dari sampel
2.2.7 Mampu menyusun distribusi sampling dari mean , menghitung mean dan deviasi standar dari distribusi-
distribusi sampling tersebut
2.2.6 Mampu mengaplikasikan distribusi kontinu teoritis (Seragam Kontinu, Gaussian/normal, dan Chi-square) untuk
memecahkan masalah-masalah yang berkaitan dengan bidang teknik
2.2.5 Mampu mengaplikasikan distribusi diskrit teoritis (Seragam Diskrit, Binomial & Multinomial, Geometric,
Hypergeometric dan Poisson) untuk memecahkan masalah-masalah yang berkaitan dengan bidang teknik
2.2.4 Mampu dapat mengaplikasikan konsep distribusi probabilitas, fungsi distribusi kumulatif dan fungsi kepadatan
probabilitas, untuk data diskrit maupun kontinu
2.2.3 Mampu menyajikan data ke dalam bentuk distribusi frekuensi dan grafik penyajian data yang sesuai, seperti
histogram, diagram batang, diagram pencar dan yang lainnya
2.2.2 Mahasiswa dapat mengkalkukasi data secara komprehensif menjadi karakteristik dasar dari distribusi, meliputi
ukuran-ukuran pemusatan (central tendency), penyebaran (dispersion), kemiringan (skewness) dan keruncingan
(kurtosis)
2.2.1 Mampu menjelaskan peran Statistika, aplikasinya dalam bidang Teknik dan prosedur dasar pemecahan masalah
berdasarkan metode ilmiah
7
BAB 3 BAHASAN DAN RUJUKAN
Kompetensi/ Estimasi
Sub Pokok Bahasan Subpokok Bahasan Waktu Rujukan
kompetensi
2.2.1 Pendahuluan 1.1 Ikhtisar : Statistika, Sampel, 2 x 50 [1] Bab.1
Statistika dan Populasi menit
Analisis Data 1.2 Peran Statistika dan Aplikasinya [2] Bab.1
dalam bidang Teknik
1.3 Peran Komputer dalam Statistka [3] Bab.1
[3] Bab 1
2.2.2 Statistika Deskriptif 2.3. Data diskrit dan kontinu 1 x 50 [1] Bab 2
bagian ke-2 2.4.Prosedur sampling, pengumpulan menit
dan pengorganisasian data [2] Bab 1
2.5.Metode Grafis dan Deskripsi Data
[3] Bab.1
[3] Bab 6
2.2.7 Distribusi Sampling 7.1 Definisi dan konsep dasar 2 x 50 [1] Bab 7
7.2 Distribusi Sampling menit
7.3 Distribusi sampling dari Mean [2] Bab 5
7.4 Distribusi sampling dari Variansi
[3] Bab 8
9
[2] Devore, J.L., Probability and Statistics for Engineering and The Sciences (5th Ed.),
Duxbury, 2000
[3] Walpole, Ronald E, Probability & Statistics For Engineers & Scientist, 8th Ed, Pearson
Prentice Hall, 2007
10
BAB 4 TAHAP PEMELAJARAN
11
Variabel acak Acak (20%)
(60%)
2.2.5 Penjelasan awal oleh Pemelajaran Klarifikasi Presentasi
Pengajar tentang aktif CL dalam dari Pengajar media visual,
beberapa distribusi kelompok kecil atas piranti lunak
aplikasi
probabilitas diskrit tentang pemelajaran
Statistika
(20%) Distribusi Diskrit aktif melalui
(60%) CL dalam
Distribusi
Diskrit (20%)
2.2.6 Penjelasan awal oleh Pemelajaran Klarifikasi Presentasi
Pengajar tentang aktif CL dalam dari Pengajar media visual,
beberapa distribusi kelompok kecil atas piranti lunak
aplikasi
probabilitas kontinu tentang pemelajaran
Statistika,
(20%) Distribusi aktif melalui Kuis
Kontinu (60%) CL dalam
Distribusi
Kontinu
(20%)
2.2.7 Penjelasan awal oleh Pemelajaran Klarifikasi Presentasi
Pengajar tentang aktif CL dalam Pengajar atas media visual,
Distribusi Sampling kelompok kecil tugas materi piranti lunak
aplikasi
(30%) tentang Distribusi
Statistika
Distribusi Sampling
Sampling (50%) (20%)
2.2.8 Penjelasan awal oleh Pemelajaran Klarifikasi Presentasi
Pengajar tentang aktif CL dalam Pengajar atas media visual,
Estimasi (30%) kelompok kecil tugas materi piranti lunak
aplikasi
tentang Estimasi Estimasi
Statistika
(50%) (20%)
Catatan:
*Kode angka di sini mengacu kepada nomor urut subkompetensi pada Bab 2 (hlm. 6).
**Tahap pembelajaran terdiri atas tiga, yakni orientasi (O), latihan (L), dan umpan Balik (U).
Pada orientasi, pengajar memberikan penjelasan awal tentang pokok bahasan, materi dan metode
latihan, waktu yang digunakan, dan sistem penilaian. Pada tahap latihan, mahasiswa melakukan
aktivitas latihan sesuai dengan metode pembelajaran yang diterapkan (diskusi kelompok kecil,
cooperative learning (CL), Contextual Instruction (CI), atau Problem-based Learning (PBL)).
Pada tahap umpan balik, pengajar memberikan klarifikasi atas latihan yang telah dilaksanakan
oleh mahasiswa dan dapat diikuti penugasan yang dikerjakan di rumah, termasuk tugas membaca
bahan bacaaan untuk pertemuan berikutnya. Dalam hal metode pembelajaran, diterapkan a
metode pembelajaran aktif sebagai berikut. (1) Diskusi kelompok kecil (small group
discussion) diadakan di dalam kelas dengan kelompok diskusi beranggotakan 4-5 orang. Dalam
diskusi kelompok kecil, mahasiswa dibagi atas kelompok-kelompok kecil beranggotakan 4-5
orang. Kelompok-kelompok kecil mahasiswa tersebut mendiskusikan topik yang sama yang
diberikan oleh pengajar. Umpan balik diberikan pengajar di akhir kelas setelah diskusi kelompok
kecil untuk mengklarifikasi pemahaman mahasiswa. (2) Cooperative Learning, diadakan
dengan cara mahasiswa secara berkelompok mengerjakan latihan soal tentang materi yang
dibahas, yang disediakan oleh pengajar di dalam kelas. Umpan balik diberikan oleh pengajar di
akhir kelas dalam pengecekan bersama hasil pengerjaan latihan. (3) Contextual Instruction,
dilakukan dengan cara memberi kesempatan kepada mahasiswa untuk melakukan pengumpulan
data secara langsung untuk sebuah masalah yang ingin diteliti. Umpan balik dari pengajar adalah
memberikan klarifikasi dan masukan tentang pemilihan data yang sebaiknya dikumpulkan. (4)
Problem-based Learning, dilakukan terhadap sebuah kasus yang ingin mengkaitkan hubungan
antar variabel yang diberikan oleh pengajar, mahasiswa akan mengidentifikasi variabel mana
yang merupakan variable bebas dan mana yang merupakan variable terikat, lalu melakukan
regresi linier sederhana dan analisis korelasi. Umpan balik dari pengajar adalah mengklarifikasi
output hasil pemelajaran aktif PBL ini.
13
BAB 5 RANCANGAN TUGAS DAN LATIHAN
14
2.2.8 Latihan soal Estimasi Individual 1 minggu Jawaban
dari buku di rumah Latihan Soal
teks (PR)
2.2.9 Pengujian Uji Hipotesis Kelompok 1 minggu Paper
Hipotesis
terhadap data
yang
dikumpulkan
15
BAB 6 EVALUASI HASIL PEMELAJARAN
6.2 Asesmen
Kompetensi Ranah dan Tingkatan Jenis Asesmen (Per Nilai Kelulusan
Setiap Kompetensi)
2.2.1 C2 (menjelaskan) - Evaluasi kelompok Minimal 60
2.2.2 C3 (menggambarkan) - Latihan individual s.d.a.
2.2.3 C3 (mengkalkulasi) - Evaluasi data Tepat/Tidak
2.2.4 C3 (menerapkan) - Latihan individual Minimal 60
16
6.3 Pedoman Kriteria Penilaian
Konversi nilai akhir mengikuti ketentuan konversi nilai yang berlaku di Universitas
Indonesia sebagai berikut.
a. Presentasi materi :
Nilai 90 : apabila mahasiswa dapat mempresentasikan materi dengan bahasa
Indonesia yang tepat, penjelasan yang dapat dipahami, menguasai
materi, bahasa tubuh yang baik
b. Diskusi Kelompok
a. Nilai 90 – 100 : Apabila mahasiswa dapat menjelaskan, menghubungkan,
menerapkan, membedakan, menyimpulkan, dengan
ketepatan 90-100% dari pertanyaan dan persoalan yang
diberikan dalam setiap penugasan
b. Nilai 70 – 89 : Apabila mahasiswa dapat menjelaskan, menghubungkan,
menerapkan, membedakan, menyimpulkan, dengan
ketepatan 70 – 89 % dari pertanyaan dan persoalan yang
diberikan dalam setiap penugasan
c. Nilai 60 – 79 : Apabila mahasiswa dapat menjelaskan, menghubungkan,
menerapkan, membedakan, menyimpulkan dengan ketepatan
17
60 – 79 % dari pertanyaan dan persoalan yang diberikan
dalam setiap penugasan
d. Nilai 50 – 59 : Apabila mahasiswa dapat menjelaskan, menghubungkan,
menerapkan, membedakan, menyimpulkan dengan ketepatan
50 – 59 % dari pertanyaan dan persoalan yang diberikan
dalam setiap penugasan
e. Nilai 0 – 49 : Apabila mahasiswa dapat menjelaskan, menghubungkan,
menerapkan, membedakan, menyimpulkan dengan ketepatan
0 – 49 % dari pertanyaan dan persoalan yang diberikan
dalam setiap penugasan
18
BAB 7 MATRIKS KEGIATAN
Perte- Kompetensi/ Tahap Pokok Bahasan/ Media Ranah Kriteria Penilaian Penanggung
muan Sub- Pembelajaran Subpokok Bahasan Teknologi dan (Indikator) Jawab
ke- kompetensi Tingkat-
O L U
an
(%) (%) (%)
1 2.2.1 30 50 20 -Penjelasan mengenai kontrak Presentasi C2 100 % diskusi Dosen
kuliah, yaitu : media visual kelompok
a. capaian pemelajaran (1) Keaktifan
b. tata tertib perkuliahan; mengemuka-
muatan kan gagasan
c. metode perkuliahan (20%);
d. evaluasi hasil pemelajaran. (2) Kejelasan
-Pendahuluan Statistika dan penyampaian
Analisis Data gagasan (30%);
a. Ikhtisar : Statistika, (3) Ketepatan
Sampel, Populasi argumentasi
b. Peran Statistika dan (20%);
Aplikasinya dalam bidang (4) Pemakaian
Teknik bahasa dalam
c. Peran Komputer dalam penyampaian
Statistka gagasan (20%);
(5) Sikap dalam
penyampaian
gagasan (10%)
19
2 2.2.2 30 50 20 Statistika Deskriptif bagian 1 Presentasi C3 80 % Tugas Dosen
a. Ukuran-ukuran Pemusatan media visual, Individu (100%
b. Ukuran-ukuran Penyebaran piranti lunak ketepatan) + 20 %
aplikasi CL :
Statistika (1) Keaktifan
mengemuka-
kan gagasan
(20%);
(2) Kejelasan
penyampaian
gagasan (30%);
(3) Ketepatan
argumentasi
(20%);
(4) Pemakaian
bahasa dalam
penyampaian
gagasan (20%);
(5) Sikap dalam
penyampaian
gagasan (10%)
3 2.2.3 10 70 20 Statistika Deskriptif bagian 2 Presentasi C3 50 % Data Mentah Dosen
a. Data diskrit dan kontinu media visual, yang dikumpulkan
b. Prosedur sampling, piranti lunak (40 % isi, 30 %
pengumpulan dan aplikasi bahasa, 30 %
pengorganisasian data Statistika kerapian) + 50%
c. Metode Grafis dan Deskripsi CI:
Data (1) Keaktifan
mengemuka-
kan gagasan
(20%);
(2) Kejelasan
20
penyampaian
gagasan (30%);
(3) Ketepatan
argumentasi
(20%);
(4) Pemakaian
bahasa dalam
penyampaian
gagasan (20%);
(5) Sikap dalam
penyampaian
gagasan (10%)
28
LAMPIRAN
29
6,75 5,84 8,80 7,40 4,72 3,62 2,46 8,75
Tugas anda:
30
0.01 dan asumsikan bahwa kedua populasinya mendekati distribusi normal dengan
variansi yang sama.
31