Silabus MA2081 Statistika Dasar Semester I 2021-2022

Yuli Sri Afrianti (K. 01) dan Sandy Vantika (K. 02)

1. Tentang Mata Kuliah Ini

Mata kuliah ini adalah mata kuliah layanan bagi mahasiswa program sarjana di berbagai program studi dengan bobot
3 SKS. Tujuan umum mata kuliah ini adalah memperkenalkan dan membangun pengetahuan dasar statistika yang
mencakup statistika deskriptif yaitu: pengumpulan data, pengorganisasiannya, mengenal, dan memahami pola data
serta statistika inferensi yaitu: pengambilan keputusan/kesimpulan mengenai satu atau lebih karakter suatu populasi
dari analisis sampel (induktif). Pemahaman statistika inferensi memerlukan pemahaman ilmu peluang yang
memberikan ukuran kepercayaan atas kesimpulan yang diambil. Untuk meningkatkan pemahaman tentang teori,
tutorial selalu diadakan setiap selesai suatu topik dan diwajibkan praktikum. Modul praktikum dirancang untuk
kegiatan 2 jam/minggu selama 7‐8 minggu.

2. Tujuan
Setelah mengikuti kuliah ini, peserta diharapkan memiliki pengetahuan dan pemahaman berstatistika, terampil
mengolah dan menganalisis data diikuti dengan pengambilan keputusan yang didasarkan pada data yang ada dan
pengetahuan statistikanya. Melalui praktikum, peserta diharapkan mampu menggunakan perangkat lunak statistika
sebagai alat bantu komputasi, serta mampu membaca dan memberikan interpretasi hasil komputasi dengan benar.

3. Materi Kuliah dan Pustaka

Materi kuliah dibagi dalam dua bagian yaitu: (1) Konsep dasar ilmu peluang mengenai peubah acak, fungsi
kepadatan peluang, sebaran peubah acak, harapan matematika dari peubah acak, beberapa sebaran diskret dan
kontinu khusus; (2) Metode-metode dasar statistika inferensi, yaitu: penaksiran titik dan selang, uji hipotesis, dan
regresi linier sederhana. Sebagai pengantar digunakan statistika deskriptif yaitu: penyarian, penyajian, dan
penafsiran data suatu sampel (bukan populasi); (3) Metode-metode statistika, yaitu: analisis ragam, metode regresi
linier sederhana, korelasi, statistika kendali mutu, analisis deret waktu, dan analisis spasial.

Pustaka Utama:
• Walpole, R.E., Myers, R.H., Myers, S.L., dan Ye, Keying, Probability and Statistics for Engineers and Scientists, 9th
edition, Prentice‐Hall, 2012.

4. Evaluasi
• Nilai Akhir (NA) = 0%‐5% (Kehadiran/PR) + 5%-10% (Tugas Besar) + 10%-15% (Praktikum) + 0%-5% (Kuis) +
30%‐35% (UTS) + 35%‐40% (UAS)
• Indeks penilaian:
A : NA ≥ (80-85) AB : (76-78) ≤ NA < (80-85) B : (66-68) ≤ NA < (76-78)
BC : (56-59) ≤ NA < (66-68) C : (45-49) ≤ NA < (56-59)
D : 38 ≤ NA < (45-49), E : NA < 38
• Setiap mahasiswa yang tidak lulus praktikum, sudah dipastikan tidak lulus kuliah Statistika Dasar.
• Mahasiswa yang mengulang tidak wajib mengikuti praktikum (nilai praktikum sebelumnya masih berlaku).
• Mahasiswa yang menyontek akan mendapat nilai E.

5. Pengajar
Kelas 01 : Yuli Sri Afrianti, S.Si., MT., email : yuli.afrianti@math.itb.ac.id, Gedung CAS lantai 4.
Kelas 02 : Dr. Sandy Vantika, S.Si., M.Si., email : sandy.vantika@math.itb.ac.id, Gedung CAS lantai 4.

6. Jadwal, Ruang Kuliah, dan Aturan Perkuliahan:

Senin pukul 13.00-14.40 dan Rabu pukul 09.00-10.40,
Pertemuan akan diadakan secara daring melalui Zoom atau Gmeet atau Ms. Teams.
 7. Rincian pengajaran
Mg Topik Sub Topik
1 Statistik Deskriptif. Populasi dan sampel, jenis data, • Mampu membedakan populasi dan sampel, jenis data, dan
data kuantitatif, bilangan acak,
eksplorasi data.
2 Distribusi dan Bentuk distribusi, data pencilan, • Eksplorasi distribusi (melalui dot plot, stem‐leaf,
parameter. transformasi data ke bentuk
Ringkasan data. normal.
Peluang dan Peluang sebagai fungsi
Teorema Bayes himpunan dan peluang
bersyarat (teorema Bayes)
3 Peubah acak, fungsi Fungsi himpunan, sifat-sifat dari • Dapat menghitung peluang suatu kejadian melalui
peluang dan fungsi fungsi kepadatan peluang (fkp)
distribusi dan fungsi distribusi (fd).
4 Kuis1,
Ekpektasi: mean Sifat ekpektasi, definisi mean
dan variansi. dan variansi.
5 Distribusi diskrit Seragam diskrit, Binomial,
Poisson, Hipergeometri,
Geometri, Binomial Negatif
Distribusi Kontinyu Khusus : Seragam kontinyu,
Normal, Eksponensial.
Distribusi : t-Student, χ2 dan F
6 Distribusi sampel Sampel acak; Statistik rataan
sampel X‐bar dan variansi
sampel S2; Teorema Limit Pusat
Distribusi : t-Student, χ2 dan F
7 UTS Review dan persiapan UTS 1
8 Inferensi statistik: Sifat-sifat penaksiran titik (bias,
penaksiran titik dan kokoh), pembuatan selang
selang kepercayaan khususnya untuk
rataan dan variansi.
Selang kepercayaan selisih dua
rataan dan rasio variansi.
9 Uji rataan dan Menguji rataan dan variansi
variansi. masing-masing untuk 1 dan 2
populasi (berpasangan atau
tidak).
10 Kuis 2,
Analisis variansi Pengujian beberapa mean
eka arah dengan asumsi semua variansi
sama.
Tujuan Instruksional Khusus Aktivitas
K, D, &
membangun data acak. Prak
• Mampu menyusun tabel distribusi frekuensi, dan
distribusi kumulatif.
K, T, &
histogram, box plot), mengenali kesimetrian dan Prak
kemencengan, mendeteksi pencilan.
• Paham definisi peluang suatu kejadian dengan beberapa
operasi yang mungkin (irisan, gabungan, komplemen) dan
peluang bersyarat.
• Dapat menghitung peluang suatu kejadian
K & Lat
variabel acak atau fkp.
• Dapat menggambar suatu fd.
• Bahan kuis: sampai dengan fd.
• Dapat menghitung rataan & variansi untuk suatu variabel K
acak yang diberikan atau suatu ruang sampel.
• Dapat membedakan kasus diskrit dan kontinyu, juga K, Lat,
membedakan binomial, poisson, hipergeometri, geometri & Prak
dan binomial negatif.
• Menghitung peluang menggunakan tabel distribusi .
• Dapat menghitung peluang melalui tabel untuk distribusi
kontinyu terkait.
• Mengenal distribusi: t-student, χ2 dan F .
• Memahami kaitan antara distribusi populasi dengan K
distribusi sampel.
• Mengenal distribusi: t-student, χ2 dan F .
• Bahan UTS: Statistik deskriptif s.d ekspektasi dan variansi
untuk suatu distribusi diskrit dan kontinyu.
• Memahami kebutuhan masyarakat akan 2 jenis penaksiran. K
• Dapat menaksir titik dan selang untuk rataan dan variansi
(dengan bantuan tabel normal, t, dan tabel χ2 dan F). K & T,
• Memahami dan mampu menaksir selisih dua rataan dan Prak
rasio variansi pada 2 populasi yang berpasangan dan
tidak.
• Memahami perbedaan penaksiran dan uji hipotesa. K, D, &
• Mampu mendefinisikan suatu uji hipotesa pada dunia Prak
nyata.
• Mampu menguji rataan dan variansi dengan
menggunakan tabel normal, t, dan tabel χ2 danF.
• Mampu memberikan keputusan berdasarkan uji hipotesa
yang dilakukan untuk suatu kasus tertentu.
• Bahan kuis 2: penaksiran dan uji hipotesis.
• Mampu menghitung tabel variansi dan menguji dengan K, D, &
distribusi F untuk kesamaan beberapa rataan. Prak
• Mampu menyelesaikan permasalahan-permasalahan
menggunakan analisis variansi (ANOVA) satu arah.
11 Regresi Linier Data bivariat, model regresi • Memahami model regresi linier sederhana dan multipel. K, T, &
sederhana dan linier, metode penaksiran • Dapat menaksir parameter yang ada pada model regresi Prak
korelasi kuadrat terkecil. jika mempunyai pasangan data.
• Dapat menguji tabel ANOVA model regresi melalui dist. F
hipotesa.
• Mampu menghitung korelasi untuk pasangan data.
• Mampu memecahkan permasalahan dalam kehidupan
sehari-hari dengan membuat suatu model regresi linier
sederhana.
12 Analisis Deret Model AR, MA, dan ARMA • Mengenal deret waktu dan beberapa kasus data dengan K, T, &
Waktu model sederhana. Prak
• Dapat menganalisa suatu barisan data deret waktu dan
memodelkannya melalui perangkat lunak statistika.
13 Analisis Spasial Semivariogram eksperimental, • Dapat menghitung semivariogram eksperimental K&T
model semivariogram • Mengenal beberapa model semivariogram
14 Review materi Statistika inferensi, ANOVA,
Analisis Regresi, Analisis Deret
Waktu, dan Analisis Spasial
15 UAS • Bahan UAS : inferensi statistik s.d. analisis spasial K&T

Catatan: K = Kuliah, T = Tugas, Lat = Latihan, D = diskusi, & Prak = praktikum.