RENCANA PEMBELAJARAN SEMESTER

PROGRAM STUDI : TEKNIK INFORMATIKA

FAKULTAS : ILMU KOMPUTER
MATA KULIAH KODE MK RUMPUN BOBOT (SKS) SEMESTER DIREVISI
MK
Statistik Komputasi IF141114 Komputasi Teori = 3 Praktek = 0 4 18 Mei 2018
Cerdas dan
Visual
OTORISASI Pengembang RP Koordinator RMK Koordinator Prodi Informatika

Yisti Vita Via, S.ST, M.Kom Budi Nugroho, SKom., MKom.

Capaian Pembelajaran Program Mahasiswa dapat memilih dan menerapkan metode statistik yang tepat untuk menyelesaikan permasalahan
(CP) Studi yang diberikan
Deskripsi Singkat MK Mata kuliah Statistik Komputasi merupakan ilmu pengetahuan yang memberikan wawasan dan pemahaman mengenai
konsep probabilitas, variabel random, distribusi variabel diskrit dan kontinyu yang mendasari teori- teori statistik dan
aplikasinya dengan menjabarkan teknik perhitungan dan tata cara analisisnya untuk berbagai bidang.

Pustaka Utama 1. Walpole, R.E., Pengantar Statistika. Edisi ke-3, Penerbit PT Gramedia Pustaka Utama Jakarta,.
1997.
Pendukung 1. Walpole, R.E., Myers, R.H., Myers S.L. dan Ye, Keying, Probability and Statistics for
Engineers dan Scientists, 8th edition Prentice‐Hall,. 2006
Media Pembelajaran Software: Hardware:
Ms Excel, Minitab, SPSS Laptop, white board. LCD
Team Teaching
Matakuliah Syarat
Metode / Assessment
Materi
Minggu Capaian Pembelajaran Metode/Strategi
Pembelajaran Bobot
Ke- Pembelajaran Indikator Bentuk
(Pustaka) (%)
(Estimasi Waktu)
1 a. Mahasiswa mampu Statistik Deskriptip a. Ceramah a. Populasi dan sampel, jenis data,
membedakan populasi b. Diskusi data kuantitatif, bilangan acak,
dan sampel, jenis data, eksplorasi data; bentuk distribusi
dan membangun data dan parameter.
 acak.
b. Mahasiswa mampu
menyusun tabel distribusi
frekuensi, dan distribusi
kumulatif.
2 a. Mahasiswa mampu Distribusi dan a. Ceramah a. Bentuk distribusi, data pencilan,
mengenali bentuk parameter. Ringkasan b. Diskusi transformasi data ke bentuk
distribusi dan parameter data. Peluang dan normal. Peluang sebagai fungsi
data dan menggunakan Teorema Bayes himpunan dan peluang bersyarat
transormasi untuk (teorema Bayes)
memperoleh distribusi
simetris.
b. Dapat mendefinisikan
peluang suatu kejadian
dengan beberapa operasi
yang mungkin (irisan,
gabungan,
komplemen) dan peluang
bersyarat.
3 a. Mahasiswa dapat Peluang, peubah a. Ceramah a. Peluang sebagai fungsi himpunan,
menghitung peluang acak, fungsi peluang b. Diskusi peubah acak, fungsi kepadatan
suatu kejadian dengan dan fungsi distribusi peluang dan fungsi distribusi
menggunakan sifat‐sifat kumulatif.
peluang ataupun dengan
fungsi kepadatan peluang.
4 a. Mahasiswa dapat Ekpektasi: mean dan a. Ceramah a. Sifat ekpektasi, definisi mean dan
menghitung mean μ & variansi. b. Diskusi variansi.
variansi σ2 untuk suatu
fungsi peluang yang
diberikan.
5 a. Mahasiswa dapat Distribusi diskrit. a. Ceramah a. seragam diskrit, Binomial,
membedakan kasus b. Diskusi Poisson. Lainnya : Hipergeometri,
binomial dan poisson. Geometri, Binomial Negatif
b. Mahasiswa mampu
menghitung peluang
menggunakan tabel
distribusi
6 a. Mahasiswa dapat Distribusi kontinu. a. Ceramah a. Seragam kontinu, Normal,
menghitung peluang b. Diskusi Eksponensial.
dengan menggunakan
tabel untuk distribusi
terkait.
 b. Mahasiswa dapat
menyelesaikan
permasalahan yang ada
dengan menggunakan
distribusi yang sesuai.
7 a. Mahasiswa dapat Distribusi sampel. a. Ceramah a. Sampel acak; Statistik rataan
menghitung jenis b. Diskusi sampel X‐bar dan variansi sampel
distribusi dari statistik S2; Teorema Limit Pusat
yang disediakan.

8 UTS

9 a. Mahasiswa mampu Inferensi statistik: a. Ceramah a. Penaksiran titik, ketidakbiasan dan

melakukan penaksiran penaksiran b. Diskusi variansi terkecil; Penaksiran
tentang mean dan variansi selang; Selang kepercayaan,
dengan menggunakan Menaksir rataan dan selisih dua
tabel normal, t, dan table rataan.
χ2 dan F.
10 a. Melakukan pengujian Uji mean dan a. Ceramah a. Menguji μ dan menguji σ2 dengan
tentang mean dan variansi variansi. b. Diskusi menggunakan tabel.
menggunakan tabel
normal, t, tabel χ2 dan F.

11 a. Mahasiswa mampu Analisis variansi satu a. Ceramah a. Pengujian beberapa mean dengan
menghitung variansi arah. b. Diskusi asumsi semua variansi sama.
inter, antar dan total,
menggunakan statistik
penguji F untuk
kesamaan beberapa mean.
12 a. Mahasiswa mampu a. Analisis variansi a. Ceramah a. Beberapa contoh kasus
menyelesaikan satu arah b. Diskusi penggunaan analisis variansi
permasalahan‐ (lanjutan) (ANOVA).
permasalahan b. Regresi Linier b. Data bivariat, model regresi linier,
menggunakan ANOVA sederhana dan metode penaksiran kuadrat
satu arah. korelasi. terkecil.
b. Mahasiswa mampu
membuat persamaan
regresi, mengenali
korelasi.
13 a. Mahasiswa mampu Regresi linier & a. Ceramah a. Inferensi statistik di regresi linier
menggunakan inferensi korelasi. b. Diskusi
statistik pada koefisien
 koefisien model regresi
linier.
14 a. Mahasiswa memahami Statistika Non a. Ceramah a. Uji Wilcoxon, uji tanda, uji
dan melakukan uji Parametrik b. Diskusi runtun
statistik non parametrik b. Batas toleransi, koefisien
korelasi, uji kruskal waliss.
15 UAS

Catatan:
1 sks = (50’ TM + 50’ PT + 60’ BM)/Minggu BM = BelajarMandiri T = Teori (aspek ilmupengetahuan)
TM = TatapMuka (Kuliah) PS = Praktikum Simulasi (3 jam/minggu) P = Praktek (aspek keterampilan kerja)
PT = PenugasanTerstruktur PL = Praktikum Laboratorium (3 jam/minggu)

Divalidasi Oleh,
Kaprodi Teknik Informatika,

Budi Nugroho, S.Kom, M.Kom.

NPT. 3 8009 05 0205 1