Silabus MA4282 Kapita Selekta Statistika Semester II 2023-2024

1. Tentang Mata Kuliah Ini

Perkembangan yang pesat pada perangkat keras (hardware) dan perangkat lunak (software) komputer memungkinkan
metode-metode statistika untuk diterapkan dengan lebih efektif. Matakuliah ini akan memberikan pengenalan
terhadap beberapa metode statistika yang berkaitan erat dengan komputasi. Kita juga akan membahas mengapa dan
bagaimana metode tersebut bekerja melalui simulasi komputer dan sayarat apa saja yang harus dipenuhi sebelum
menggunakannya. Motode statistika yang akan dibahas pada matakuliah ini antara lain Monte Carlo, Markov chain
Monte Carlo, bootstrap, jackknife, dan metode-metode non parametrik. Setelah mengambil matakuliah ini diharapkan
mahasiswa memiliki pemahaman dasar mengenai komputasi pada metode-metode statistika dan dapat menggunakan
atau mengembangkannya sesuai dengan kebutuhan.

2. Tujuan
Setelah mengikuti kuliah ini, peserta diharapkan memiliki pengetahuan dan pemahaman mengenai peran komputasi
dalam pengembangan keilmuaan statistika.

3. Pustaka
• Givens, G. H. and Hoeting, J. A. (2013). Computational Statistics (2nd ed.). Hoboken, NJ: John Wiley & Sons,
Inc.
• Gentle, J. E. (2009). Computational Statistics. New York, NY: Springer.
• Martinez W. L. And Martinez A. R. (2002). Computational Statistics Handbook with Matlab. New York,
Chapman and Hall.

4. Evaluasi
• Nilai Akhir (NA) = 5% (Kehadiran) + 20% (Tugas) + 35% (UTS) + 40% (UAS)
• Indeks Penilaian:
A: NA ≥ 80 AB: 73 ≤ NA < 80 B: 65 ≤ NA < 73
BC: 57 ≤ NA < 65 C: 50 ≤ NA < 57
D: 35 ≤ NA < 50 E: NA < 35
• Setiap mahasiswa diharapkan membawa laptop untuk membangu proses belajar selama perkuliahan.

5. Pengajar
Kelas 01 (Ganesha): Adilan W. Mahdiyasa., Ph.D.

6. Jadwal dan Aturan Perkuliahan

Selasa pukul 13.00 dan Kamis Pukul 15.00

Halaman 1 dari 2
 7. Rincian Pengajaran
Mg. Topik Subtopik

1 Konsep peluang Peluang dan peluang bersyarat

2 Konsep peluang Ekspektasi, dan beberapa distribusi peluang sederhana

3 Sampling Sampling terminologi dan konsep, sampel mean, sampel variansi

4 Pembangkitan Metode umum untuk membangkitkan sampel acak, metode pembangktan untuk sampel acak kontinu,
variabel acak metode pembangkitan untuk sampel acak diskrit

5 Analisis dan Univariat data, bivariat dan trivariat data, histogram, surface plot, 3D scatter plot
pengolahan data

6 Analisis dan Multidimensional data, scatterplot matriks, isosurfaces, dan parallel coordinates
pengolahan data

7 UTS Pengolahan data bahan minggu 1 - 6

8 Metode Mote Carlo Metode inferensi statistik klasik, Inferensi statistik menggunakan Mote Carlo

9 Metode Bootstrap Metode Bootstrap umum, estimasi Bootstrap untuk standard error, estimasi Bootstrap untuk
selang kepercayaan

10 Analisis Variansi Pengujian beberapa rerata dengan asumsi semua variansi sama.
Satu Arah
11 Pemecahan Metode cross-validation, Jacknife, Jacknife dan Bootstrap
data

12 Metode Markov Inferencsi Bayesian, Algoritma Metropolis-Hastings

Chain Monte Carlo

13 Metode Markov Gibbs sampler, metode konvergensi Gelman dan Rubin, metode konvergensi Raftery dan Lewis
Chain Monte Carlo

14 Review Materi
Diskusi pengolahan data menggunakan materi minggu 8-13
15 UAS Pengolahan data menggunakan materi yang telah diajarkan

Halaman 2 dari 2