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