PROGRAM STUDI STATISTIKA

PROGRAM STUDI STATISTIKA

I.

Selayang Pandang Program Studi Latar Belakang

Program Studi (PS) Statistika mulai dirintis dengan minat Statistika di PS Matematika Program MIPA pada tahun 1992. PS Statistika resmi didirikan tahun 1998 berdasarkan surat No. 54/DIKTI/Kep./1998 di bawah Jurusan Matematika Fakultas MIPA Universitas Brawijaya. Kurikulum Berbasis Kompetensi (KBK) diberlakukan tahun 2001 berdasarkan Kepmendiknas 232/2000 yang memuat 5 kelompok mata kuliah yaitu Mata kuliah Pengembangan Kepribadian (MPK), Mata kuliah Keilmuan dan Ketrampilan (MKK), Mata kuliah Perilaku Berkarya (MPB), Mata kuliah Keahlian Berkarya (MKB) dan Mata kuliah Berkehidupan Bermasyarakat (MBB). Kelompok mata kuliah ini berkorespondensi dengan 4 pilar UNESCO: learning to know, learning to do, learning to be, learning to live together. Proses rekontruksi kurikulum berdasarkan evaluasi diri, tracer study, profil lulusan, alumni, pengguna lulusan dan kompetensi program studi. Kompetensi Program studi terdiri atas Kompetensi Utama, Kompetensi Pendukung dan Kompetensi Khusus. Paradikma baru perubahan pembelajaran dari Teacher Center Learning (TCL) ke Center Learning (SCL) dipersiapkan secara bertahap dengan strategi pembelajaran mengurangi keaktifan dosen dan memperbanyak kegiatan yang membuat mahasiswa aktif dengan tugas penyelesaian masalah dan diskusi. Dalam rangka pengembangan statistika bidang ilmu kehidupan dan ekonomi telah dibentuk tiga kelompok studi yaitu Statistika Teori, Statistika Ilmu Hayati dan Statistika Ekonomi. 1.2. Hasil Evaluasi Diri (SWOT Analisis) Evaluasi Diri (SWOT Analisis) dilakukan secara internal dan eksternal yang disajikan dalam bentuk Kekuatan (Strenght), Kelemahan (Weaknes), Peluang (Oppotunity) dan Ancaman (Threat). Hasil Evaluasi Diri PS Statistika adalah : 1.

Kekuatan (Strenght) : Pusat pengembangan statistika terapan pada ilmu-ilmu kehidupan dan ekonomi , kurikulum berbasis kompetensi, dikelola secara tranparan dan akuntabel, mererapkan sistem penjaminan mutu akademik dengan 10 butir standar mutu (memperoleh UB Annual Quality Award (UBAQA) 2008 dari Rektor, didukung oleh dosen dengan pendidikan dan kepangkatan. Minat masuk calon mahasiswa baru dan prestasi akademik mahasiswa tinggi.

2.

Kelemahan (Weaknes): Mempersiapkan diri menuju pendidikan bertaraf internasional, perlu peningkatan sumber dana selain dari SPP dan SPFP mahasiswa, partisipasi dosen dan tenaga pendukung perlu ditingkatkan, meningkatkan kerjasama dengan perusahaan dan instansi, penerapan SCL dan PBL masih pada tahap awal, meningkatkan keterlibatan mahasiswa di seminar, penelitian dan pengabdian masyarakat, melengkapi pelaksanaan PBM dengan Distance Learning, produk PS perlu ditingkatkan sampai pada bentuk paten beroyalti.

282

3.

Peluang (Opportunity): Keterbukaan, kemudahan dan ketersediaan sistem informasi global, sertifikasi dosen, kesempatan studi lanjut, pencangkokan dan pelatihan, kelonggaran dari UB dan Dikti untuk menyusun kurikulum, Kebijakan Rektor UB untuk penerapan ISO 9001:2008 tentang Sistem Manajemen Mutu, kesempatan seminar, penelitian dan lomba karya ilmiah di tingkat nasional dan internasional, kesadaran pentingnya keakuratan data dan ketrampilan analisis data dan manajemen data berbasis ICT yang semakin tinggi dari instansi-instansi pemerintah maupun swasta, Banyaknya tawaran hibah-hibah penelitian, pengabdian pada masyarakat, kerja sama, buku dan layanan statistika dibutuhkan peneliti pasca sarjana.

4.

Ancaman (Threat) : Persaingan dengan PS sejenis semakin ketat, Persaingan mendapatkan beasiswa luar negeri semakin ketat, Pengguna lulusan mensyaratkan nilai akreditasi A, PBM berstandar internasional, Tuntutan mutu lulusan dan institusi dari masyarakat yang semakin tinggi, Persaingan dengan lulusan PS sejenis dengan PT lain di dunia kerja, perkembangan Ilmu Statistika yang sangat pesat.

Visi, Misi, Tujuan dan Strategi Program Studi Statistika 1.3.1 Visi Program Studi Statistika Visi Program Studi Statistika : Pusat pengembangan statistika terapan pada ilmu-ilmu kehidupan dan ekonomi 1.3.2. Misi Program Studi Statistika Misi Program Studi Statistika : 1. 2.

Membekali lulusan agar mampu bersaing dan cepat beradaptasi dengan masyarakat dunia kerja dan sekaligus siap melanjutkan pendidikan ke jenjang yang lebih tinggi Menyediakan proses pembelajaran yang berkualitas yang dapat menunjang pengembangan statistika terapan

3. Menggiatkan penelitian yang menunjang pengembangan statistika terapan melalui penelitian bersama dengan bidang ilmu kehidupan dan ekonomi 4. Menyebarluaskan penerapan statistika yang benar kepada masyarakat 1.3.3. Tujuan Program Studi Statistika Tujuan Program Studi Statistika : 1. Menyelenggarakan pendidikan yang bermutu tinggi 2. Menghasilkan lulusan yang mampu menerapkan Statistika secara optimal, mampu bersaing dan cepat beradaptasi dengang masyarakat dunia kerja. 3. Menjadi pusat pengembang Statistika terapan 4. Menjadi pusat konsultasi Statistika terapan

283

1.3.4. Strategi Program Studi Statistika Strategi yang dicanangkan untuk mencapai tujuan Program Studi Statistika dengan memperhatikan hasil analisis SWOT adalah Menguatkan mutu Tri Dharma Perguruan Tinggi untuk dapat bersaing dengan PS sejenis, meningkatkan efisiensi manajemen internal secara berkelanjutan, menghasilkan lulusan berkualitas dan berkepribadian, meningkatkan kualitas dosen dengan sertifikasi dosen dan studi lanjut, mengembangkan kurikulum sebagai wujud keberadaan dan citra PS yang sejalan dengan visi dan misi universitas, meningkatkan kerja sama dengan lembaga pemerintah maupun swasta, mengajukan penelitian, pengabdian dan ikut PHK, mendukung pembuatan kualitas proposal PHK dari segi materiil dan non materiil, mengikuti ISO 9001:2008 Awarenness yang dikoordinir oleh UB, meningkatkan PBM berbasis tehnologi menuju standar penyelenggaraan pendidikan tingkat internasional, meningkatkan mutu lulusan dan citra intitusi, pembekalan kelulusan, menyediakan informasi, lembaga dan bursa kerja, menjalin kerja sama, menjadi konsultan dan staf ahli di instansi pemerintah dan swasta, meningkatkan peran aktif pembuatan proposal penelitian maupun pengabdian pada masyarakat, mengikuti perkembangan ilmu dan pelatihan pengusulan paten dan buku teks, mengikuti pelatihan dan seminar statistika 1.4. Staf Pengajar Staf Pengajar Program Studi Statistika terdiri dari 20 orang. Semua staf pengajar diwajibkan mampu mengampu mata kuliah Statistika Dasar sebagai mata kuliah layanan di luar Program Studi dan mata kuliah yang diampu di Program Studi sebagaimana dalam Tabel 1. Tabel 1. Daftar Dosen Pengajar dan mata kuliah yang diampu No.

1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15.

Prof. Dr. Ir. Loekito A. S, MAgr.

130 518 961

Mata kuliah yang diampu Biometri

Ir. Soepraptini, MSc Prof. Dr. Ir. Waego Hadi N.

130 518 968 130 704 146

Biometri T. Sampling dan Survei

Dr. Ir. Ni Wayan Surya W. Dr. Ir. Henny Pramoedyo,MS Dr. Maria Bernadetha M.

130 935 079 130 935 808 130 936 645

T. Sampling dan Survei Biometri Statistika Teori

Ir. Heni Kusdarwati, MS Dr. Ir. Solimun, MS

131 652 676 131 691 692

Analisis Deret Waktu Model Linear

Ir. Mujiono, MM Ir. Atiek Iriany, MS

131 697 687 131 759 544

Stat. Peng. Mutu Analisis Multivariat

Dra. Ani Budi Astuti, MSi Samingun Handoyo, SSi.

131 993 385 131 206 315

Analisis Data Kualitatif Komputasi Statistika

Rahma Fitriani, SSi. MSc . Suci Astutik, SSi. MSi. Dra. Umu Sa’adah, MSi.

132 231 571 132 233 145 132 300 225

Riset Operasi Analisis Multivariat Statistika Teori

Nama Dosen

NIP

284

No.

16. 17. 18. 19. 20.

Eni Sumarminingsih, SSi. MM Adji Achmad R. F., SSi. M.Sc. Achmad Effendi, SSi.

132 300 241 132 311 764 132 313 602

Mata kuliah yang diampu Riset Operasi Analisis Deret Waktu Analisis Regresi

Nurjanah SSi., M.Phil. Darmanto, SSi.

132 313 610 132 318 331

Ekonometrika Model Linier

Nama Dosen

NIP

Kelompok Studi dan Bidang Minat Peningkatan kompetensi di bidang penelitian, pengajaran, pembimbingan tugas akhir mahasiswa dan pengabdian masyarakat sesuai dengan Kelompok Studi. Kelompok Studi, Topik Studi dan Penelitian Jangka Panjang Program Studi Statistika sebagaimana tertera dalam Tabel 2. Daftar Bidang Minat dan Kelompok Studi dari Staf Akademis Program Studi Statistika tertera dalam Tabel 3. Tabel 2. Kelompok Studi, Topik Studi dan Penelitian Jangka Panjang Program Studi Statistika No. 1.

Kelompok Studi Statistika Teori

Topik Studi Pengkajian, pengembangan teori dan komputasi Statistika

-

2.

Statistika Ilmu Hayati

Penerapan dan Pengembangan Ilmu Hayati

-

3.

Statistika Ekonomi

Penerapan dan Pengembangan Statistika Ekonomi dan Managemen

-

Tema Penelitian Jangka Panjang Statistika Teori Simulasi dan Komputasi Statistika Model Deret Waktu Non Linier Model Pengambilan Contoh Model Pertumbuhan. Model Perkecambahan Biji. Pemetaan Respons Rancangan Percobaan. Model Penguraian Jumlah Kuadrat Model non linier multivariat Model Spasial Analisis multivariat pada Epidemiologi Model Antrian Manajemen Pengendalian Kualitas Pengendalian Kualitas Deret Waktu SEM Aktuaria

285

Tabel 3. Daftar Bidang Minat dan Kelompok Studi Staf Akademis Program Studi Statistika No. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20.

Nama Staf Akademis

Bidang Minat

Kelompok Studi Prof. Dr.Ir. Loekito A S, MAgr. Rancangan Percobaan. 2 Prof. Dr Ir. Waego Hadi N. Model Pengambilan Contoh 2 Ir. Soepraptini, MSc. Model Penguraian Jumlah Kuadrat 2 Dr. Maria Bernadetha M. Model Perkecambahan Biji. 2 Dr.Ir. Ni Wayan Surya W., MS Model Pertumbuhan 2 Dr.Ir. Henny Pramoedyo,MS Pemetaan Respons 2 Ir. Heni Kusdarwati, MS Model Deret Waktu Non Linier 1 Dr.Ir. Solimun, MS SEM 3 Ir. Atiek Iriany, MS Model non linier multivariat 2 Ir. Mujiono, MM Manajemen Pengendalian Kualitas 3 Dra. Ani Budi Astuti, MSi. Model kesehatan 2 Samingun H. SSi. Simulasi dan Komputasi Statistika 1 Suci Astutik, SSi. MSi Mode Spasial, Analisis Multivariat 2 pada Epidemiologi Rahma Fitriani, SSi.MSc. Model Antrian 3 Dra. Umu Sa’adah, MSi. Statistika Teori, Simulasi dan 1 Komputasi Statistika Eni Sumarminingsih, SSi. MM Simulasi dan Komputasi Statistika 1 Adji Achmad R. SSi, M.Sc Pengendalian Kualitas DeretWaktu 3 Achmad Efendi, SSi. Statistika Teori 1 Nurjanah, SSi., M.Phil. Aktuaria 3 Darmanto, SSi. Model non linier multivariat 2

1.5. Laboratorium dan Fasilitasnya Laboratorium Statistika dilengkapi 20 komputer dan 2 printer untuk melayani praktikum mahasiswa. Paket program statistika yang tersedia di laboratorium yaitu SPSS 11.5, Minitab 13 dan Program R.

II.

Kompetensi yang Dicanangkan oleh Program Sudi.

Kurikulum Program Studi Statistika disusun untuk menghasilkan lulusan memiliki kemampuan statistika dan dapat bersaing di dunia kerja. Mahasiswa dibekali Pengetahuan Ilmu Komputer dan Matematika sebagai dasar untuk penerapan dan pengembangan Statistika. Mahasiswa juga dibekali ilmu lain sebagai bidang terapan Ilmu Hayati dan Ekonomi, sesuai dengan minatnya. Untuk menyelesaikan pendidikan Sarjana Statistika pada Program Studi Statistika mahasiswa diwajibkan menempuh sekurang-kurangnya 144 sks yang meliputi matakuliah wajib 110 sks dan matakuliah pilihan sekurang-kurangnya 34 sks. Matakuliah wajib terdiri atas mata kuliah yang wajib diambil oleh setiap mahasiswa. Mata kuliah Wajib sebagai Kompetensi Utama dan Kompetensi Pendukung terdiri dari Matakuliah Wajib dalam PS Statistika, PS Matematika, PS Ilmu Komputer, Wajib Fakultas

286

dan Wajib Universitas. Untuk mengambil suatu matakuliah perlu memenuhi syarat-syarat tertentu yang telah ditetapkan. Matakuliah Pilihan terdiri atas matakuliah-matakuliah yang bebas dipilih oleh setiap mahasiswa sekurang-kurangnya 34 sks. Matakuliah pilihan sebagai Kompetensi Pendukung dan Kompetensi Khusus terdiri dari matakuliah pilihan dalam PS Statistika (minimal 12 sks), PS Ilmu Komputer (minimal 2 sks), PS Matematika (minimal 2 sks) dan mata kuliah pilihan bidang minat di luar jurusan atau luar fakultas (minimal 4 sks). Kompetensi lulusan Program Studi Statistika dikaitkan dengan matakuliah dapat dilihat pada matriks mata kuliah dan kompetensi berikut :

287

Kompetensi Lulusan

MATRIKS MATA KULIAH DAN KOMPETENSI Mampu berpikir logis, kritis dan analitis

Mampu bertindak secara etis dan berakhlak mulia

Mampu berkomunikasi secara verbal dan oral dalam bahsa Indonesia dan Inggris

Mampu mengaplikasikan berbagai program komputer

Mampu menggunakan teknologi informasi

Mapu membuat program komputer

Menguasai aspek kepemimpinan dan memimpin

Mampu memanage dan mengorganisir

Mampu bekerjasama di dalam tim

Mampu menjadi inovator, motivator dan fasilitator

Ps 4

Ps 5

Ps 6

Ps 7

Af 8   

Af 9   

Af 10

Af 11     

   



    

      

KETERANGAN

Mampu mengetahui ilmu dasar ke-mipa-an

Af 3  

KOMPETENSI

Ko 2

K K K P P P P P P U Ko 1 LEVEL CAPAIAN MATA KULIAH 1. Agama 2. Pend. Kewarganeg. 3. Kewirausahaan 4. Bahasa Inggris I 5. Bahasa Inggris II 6. Bahasa Indonesia 7. Matematika Dasar 8. Matematika I 9. Matematika II 10. Peng. Teori Peluang

288

Mampu menguasai dan menerapkan teori Statistika

Mampu menterjemahkan masalah hayati dan ekonomi ke logika statistika

Mampu merancang percobaan dan survey yang optimal

Mampu mengidentifikasi masalah dan memilih model yang tepat

Mampu menganalisis data

Mampu merumuskan hasil dan menarik kesimpulan secara sahih

Mampu mengkomunikasikan kembali hasil analisis dan kesimpulan ke permasalahan semula

Mampu menjadi konsultan Statistika

Mampu mengkaji model-model statistika

Mampu mengembangkan model-model statistika

Ko 14

Ko 15

Ko 16

Ko 17

Ko 18

Ko 19

Ko 20

Ko 21

Ko 22



   







K K K P P P P P P U 

KETERANGAN

Mampu melakukan eksplorasi data secara deskriptif

Ko 13

KOMPETENSI

Ko 12 LEVEL CAPAIAN MATA KULIAH 11. Agama 12. Pend. Kewarganeg. 13. Kewirausahaan 14. Bahasa Inggris I 15. Bahasa Inggris II 16. Bahasa Indonesia 17. Matematika Dasar 18. Matematika I 19. Matematika II 20. Peng. Teori Peluang

289

Mampu berpikir logis, kritis dan analitis










Ps 4

Ps 5

Ps 6

Ps 7

Af 8

Af 9

Af 10

Af 11

KETERANGAN


Af 3

KOMPETENSI

Ko 2          

P P P P P P U U U U Ko 1

  

   

   

LEVEL CAPAIAN MATA KULIAH 21. Peng. Himp dan Log 22. Komputer Dasar 23. Struk. Data dan Alg. 24. Biologi Dasar 25. Kimia Dasar 26. Fisika Dasar 27. Met. Stat I 28. Met. Stat II 29. Stat. Mat I 30. Stat. Mat II

290











Ko 15

Ko 16

Ko 17   

Ko 18

Ko 19

Ko 20

Ko 21

Ko 22

         

 

   

 

          

KETERANGAN


Ko 14

KOMPETENSI

Ko 13

P P P P P P U U U U Ko 12



LEVEL CAPAIAN MATA KULIAH 31. Peng. Himp dan Log 32. Komputer Dasar 33. Struk. Data dan Alg. 34. Biologi Dasar 35. Kimia Dasar 36. Fisika Dasar 37. Met. Stat I 38. Met. Stat II 39. Stat. Mat I 40. Stat. Mat II

291











Ps 4

Ps 5         

Ps 6

Ps 7 

Af 8

Af 9 

Af 10

Af 11

KETERANGAN


Af 3

KOMPETENSI

Ko 2          

U P P U U U U U U P Ko 1



LEVEL CAPAIAN MATA KULIAH 41. RO 42. Met. Numerik 43. An. Data Eksplor. 44. Komp. Stat. 45. Peng. Model Linier 46. Tek. Sam dan survey 47. Stat. Nonpar 48. Pengr Ranc. Percob. 49. Peng. An. Regresi 50. Matriks dan R. Vekt.

292











Ko 15

Ko 16 

Ko 17          

Ko 18 

Ko 19 

Ko 20         

Ko 21

Ko 22

KETERANGAN


Ko 14 

KOMPETENSI

Ko 13

U P P U U U U U U P Ko 12

    

          



   

 

  

LEVEL CAPAIAN MATA KULIAH 51. RO 52. Met. Numerik 53. An. Data Eksplor. 54. Komp. Stat. 55. Peng. Model Linier 56. Tek. Sam dan survey 57. Stat. Nonpar 58. Pengr Ranc. Percob. 59. Peng. An. Regresi 60. Matriks dan R. Vekt.

293











Ps 4

Ps 5

Ps 6

Ps 7

Af 8

Af 9

Af 10

Af 11

KETERANGAN


Af 3

KOMPETENSI

Ko 2          

P U U U P P P P P P Ko 1





         

         

LEVEL CAPAIAN MATA KULIAH 61. An. Deret Waktu 62. An. Data Kategori 63. An. Peubah Ganda 64. Stat. Peng. Mutu 65. PKL 66. Skripsi 67. KKN 68. Biometri Lanj. 69. Ekonometrika 70. Stat. Peng Mutu Lanj.

294











Ko 15

Ko 16

Ko 17     

Ko 18

Ko 19

Ko 20

Ko 21

Ko 22

                  

   

   

          

 

KETERANGAN


Ko 14

KOMPETENSI

Ko 13

P U U U P P P P P P Ko 12 LEVEL CAPAIAN MATA KULIAH 71. An. Deret Waktu 72. An. Data Kategori 73. An. Peubah Ganda 74. Stat. Peng. Mutu 75. PKL 76. Skripsi 77. KKN 78. Biometri Lanj. 79. Ekonometrika 80. Stat. Peng Mutu Lanj.

295











Ps 4

Ps 5        

Ps 6

Ps 7

Af 8

Af 9

Af 10

Af 11

KETERANGAN


Af 3

KOMPETENSI

Ko 2          

P P P P P P P P P P Ko 1





LEVEL CAPAIAN MATA KULIAH 81. Proses Stokastik 82. Teori Keputusan 83. EPG 84. Konsultan Stat. 85. Teknik Optimasi 86. Analisis Riil I 87. Mat. Asuransi 88. Data Mining 89. Ekonomi Mikro 90. Peng. Ilmu Pertanian

296











Ko 15

Ko 16

Ko 17

Ko 18

Ko 19

Ko 20     

Ko 21

Ko 22   

  

  

   

   

     

 

KETERANGAN


Ko 14

KOMPETENSI

Ko 13 


 

LEVEL CAPAIAN MATA KULIAH 91. Proses Stokastik 92. Teori Keputusan 93. EPG 94. Konsultan Stat. 95. Teknik Optimasi 96. Analisis Riil I 97. Mat. Asuransi 98. Data Mining 99. Ekonomi Mikro 100. Peng. Ilmu Pertanian

297











Ps 4

Ps 5      

Ps 6

Ps 7

Af 8

Af 9

Af 10

Af 11

KETERANGAN


Af 3

KOMPETENSI

Ko 2          


 

 





LEVEL CAPAIAN MATA KULIAH 101. Analisis Variansi 102. An. Regresi Lanj. 103. RO Lanj. 104. Metode Peramalan 105. Reli Dan Uji hidup 106. Met. Simulasi 107. Kapita Selekta 108. Sistem Basis Data I 109. Ekonomi Makro 110. SIM

298











Ko 15

Ko 16       

Ko 17       

Ko 18       

Ko 19       

Ko 20       

Ko 21

Ko 22

 

KETERANGAN


Ko 14       

KOMPETENSI

Ko 13

P P P P P P P P P P Ko 12 LEVEL CAPAIAN MATA KULIAH 111. Analisis Variansi 112. An. Regresi Lanj. 113. RO Lanj. 114. Metode Peramalan 115. Reli Dan Uji hidup 116. Met. Simulasi 117. Kapita Selekta 118. Sistem Basis Data I 119. Ekonomi Makro 120. SIM

299











Ps 4

Ps 5

Ps 6 

Ps 7 

Af 8

Af 9

Af 10

Af 11

KETERANGAN


Af 3

KOMPETENSI

Ko 2        

P P P P P P P P Ko 1

 

 

LEVEL CAPAIAN MATA KULIAH 121. Pemrograman Internet 122. Dasar Hortikultura 123. Biologi Radiasi 124. Sosio Biologi 125. Pemodelan Matematika 126. Anal. dan Peran. Sistem 127. Pemrograman Visual 128. Dasar Budidaya Tan.

300











Ko 14

Ko 15

Ko 16

Ko 17

Ko 18

Ko 19

Ko 20

Ko 21

Ko 22







P P P P P P P P   

KETERANGAN


Ko 13

KOMPETENSI

= Kognitif = Afektif = Psikomotori Ko. Af. Ps. Keterangan : U = Kompetensi Utama P = Kompetensi Pendukung K = Kompetensi Khusus

Ko 12 LEVEL CAPAIAN MATA KULIAH 129. Pemrograman Internet 130. Dasar Hortikultura 131. Biologi Radiasi 132. Sosio Biologi 133. Pemodelan Matematika 134. Anal. dan Peran. Sistem 135. Pemrograman Visual 136. Dasar Budidaya Tan.

301

III. Prospek Lulusan Berdasarkan penelusuran alumni, lulusan mahasiswa statistika telah bekerja sebagai ilmuwan, manager dan wirausaha. Matakuliah pilihan yang menunjang profil lulusan diberikan pada Tabel 3.1 TABEL 3.1

MATA KULIAH PILIHAN PENUNJANG PROFIL LULUSAN PROGRAM STUDI STATISTIKA

PROFIL LULUSAN Ilmuwan Dosen Peneliti Guru

1. 2. 3. 4. 5. 6. 7. 8. 9. 10.

MATA KULIAH Biometri Lanj. Proses Stokastik EPG Teknik Optimasi Analisis Riil I Data Mining Analisis Variansi An. Regresi Lanj. Dasar Hortikultura Pemodelan Matematika

Manager Bank Industri Pemda BUMN ABRI Asuransi Televisi

1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 13.

Teori Keputusan Stat. Peng Mutu Lanj. RO Lanj. Metode Peramalan Reliabilitas dan Uji hidup Met. Simulasi Kapita Selekta Ekonomi Mikro Ekonomi Makro SIM Mat. Asuransi Ekonometri

Wirausaha Konsultan IT Lembaga Pendidikan

1. Konsultan Stat. 2. Basis Data I 3. Pemograman Internet

sks 3 3 2 2 3 3 3 3 3 3 2 3 3 3 3 2 2 3 3 3 2 3 2 3 3

302

STRUKTUR KURIKULUM SARJANA STATISTIKA PROFIL LULUSAN ----- PROFIL LULUSAN -----PROFIL LULUSAN KOMPETENSI-----KOMPETENSI -----KOMPETENSI V. PERILAKU BERKARYA (MPB) : PKL, Skripsi

III. KEAHLIAN BERKARYA (MKB): Komputasi Statistika, Riset Operasi, Pengantar Model Linier, Analisis Data Katagori, Stat. Pengendalian Mutu, Biometri Lanjt., Ekonometrika, Metode Peramalan, Analisis Regresi Lanjt., Reliabilitas dan Uji Hidup, Stat. Pengendalian Mutu Lanjy., Eksp. Data Peubah Ganda, Riset Operasi Lanjt., Teori Keputusan, Teknik Optimasi, Metode Simulasi, Kapita Selekta, Konsultan Statistika, Matematika Asuransi,Pemodelan Mat., Data Mining, Ekonomi Mikro, Ekonomi Makro, Pengantar Ilmu Pertanian, Dasar Hortikultura, Dasar Budidaya Tan., Biologi Radiasi, Sosio Biologi, Sistem Informasi Manajemen, Sistem Basis Data I, Data Mining, Pem. Internet, Anal. dan Peran. Sistem, Pem. Visual.

II. KEILMUAN DAN KETRAMPILAN (MKK) : Matematika Dasar, Metode Statistika I, Metode Statistika II, Statistika Matematika I, Statistika Matematika II, Pengantar Analisis Regresi, Pengantar Rancangan Percobaan, Pengantar Teori Peluang, Matematika I, Matematika II, Matriks dan Ruang Vektor, Teknik Sampling dan Survai, Statistika Non Parametrik, Analisis Deret Waktu, Analisis Multivariat, Pengantar Himpunan dan logika, Komputer Dasar, Struktur Data, Biologi Dasar, Kimia Dasar, Fisika Dasar, Proses Stokastik, Analisis Variansi, Analisis Regresi Lanjut, Analisis Riil I.

PRAKTEK LABORATORIUM DAN PRAKTEK LAPANG

IV. BERKEHIDUPAN BERMASYARAKAT (MBB) : KKN

I. PENGEMBANGAN KEPRIBADIAN (MPK) : Agama, Pendidikan Kewarganegaan, Kewirausahaan, Bahasa Indonesia, Bahasa Inggris I, Bahasa Inggris II

303

IV. Diagram Kurikulum Semester I

Semester II

Semester III

Semester IV

Semester V

Semester VI

Semester VII

Semester VIII

Mat. Das.

Mat. I

Mat. II

Met. Numerik

Teknik Optimasi

Kapita Selekta

PKL

Skripsi

Komputer Dasar

Struk.Data & Alg.

KKN

Konsul. Konsul. Stat. Stat.

Komputer Dasar

Komp. Stat. Analisis Variansi Stat. P. Mutu

Met.Stat. I

Met.Stat.II

An. Data Eksp.

SPM Lanjutan

Stat.Nonpar.

Biometri Lanjutan

Peng. Ranc. Perc An. Regresi Lanj.

PML An. Data Kategorik

Regresi

Ekonometrika Matriks & RV

Pemrog. Linier

Proses Stokastik

Reliabil.& Uji Hidup

RO. Lanjutan

Metode Simulasi

An. Deret Waktu

Metode Peramalan

An. Multivariat

Peng. Him.Log.

Peng.Teori Peluang

Stat. Mat. I

Eksp.Data. Mult.

Stat. Mat. II Tek. Samp. & Survey

Teori Keputusan

Keterangan :

: Mata Kuliah Wajib : Mata Kuliah Pilihan : Mata Kuliah yang dapat diambil Pada Semester Ganjil dan Genap

304

V.

Kurikulum Program Studi Statistika

Kurikulum Berbasis Kompetensi (KBK) Program Studi Statistika dikelompokkan menjadi 5 matakuliah yaitu Matakuliah Pengembangan Kepribadian (MPK), Matakuliah Keilmuan dan Ketrampilan (MKK), Matakuliah Keahlian Berkarya (MKB), Matakuliah Perilaku Berkarya (MPB) dan Matakuliah Berkehidupan Bermasyarakat (MBB). PENGELOMPOKAN MATA KULIAH PROGRAM STUDI STATISTIKA 1.

Mata Kuliah Pengembangan Kepribadian (MPK)

Mata Kuliah Pengembangan Kepribadian (MPK) 1. Agama 2. Pendidikan Kewarganegaraan 3. Kewirausahaan 4. Bahasa Indonesia 5. Bahasa Inggris I 6. Bahasa Inggris II Jumlah Mata Kuliah Wajib Jumlah Mata Kuliah Pilihan 2.

1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20.

K 3 3 3 3 2 2

P -

J 3 3 3 3 2 2 16 0

K 3 3 3 4 2 3 3 3 3 3 3 2 3 3 2 2 2 2 2 2

P 1 1 1 1 1 1 1

J 3 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 2 3 3 3

Mata Kuliah Keilmuan dan Ketrampilan (MKK) Mata Kuliah Keilmuan dan Ketrampilan (MKK) Matematika Dasar Metode Statistika I Matematika I Matematika II Metode Statistika II Statistika Matematika I Statistika Matematika II Pengantar Analisis Regresi Pengantar Rancangan Percobaan Pengantar Teori Peluang Matriks dan Ruang Vektor Metode Numerik Teknik Sampling dan Survai Statistika Non Parametrik Analisis Deret Waktu Analisis Multivariat Pengantar Himpunan dan Logika Komputer Dasar Struktur Data dan Algoritma Biologi Dasar

305

21. 22. 23. 24. 25. 26.

3.

1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31.

Mata Kuliah Keilmuan dan Ketrampilan (MKK) Kimia Dasar Fisika Dasar Proses Stokastik Analisis Variansi Analisis Regresi Lanjutan Analisis Riil I Jumlah Mata Kuliah Wajib Jumlah Mata Kuliah Pilihan

K 2 2 3 3 1 3

P 1 1 1 -

J 3 3 3 3 2 3 66 11

K 2 2 3 3 3 3 3 3 2 2 2 3 2 2 2 1 3 3 2 3 3 3 3 3 3 3 3 3 2 2 2

P 1 1 1 -

J 2 3 3 3 3 3 3 3 2 3 2 3 2 2 2 2 3 3 2 3 3 3 3 3 3 3 3 3 2 2 2

Mata Kuliah Keahlian Berkarya (MKB) Mata Kuliah Keahlian Berkarya (MKB) Analisis Data Eksplorasi Komputasi Statistika Riset Operasi Pengantar Model Linier Analisis Data Kategori Statistika Pengendalian Mutu Biometri Lanjutan Statistika Pengendalian Mutu Lanjutan Teori Keputusan Riset Operasi Lanjutan Eksplorasi Data Multivariat Reliabilitas dan Uji Hidup Teknik Optimasi Metode Simulasi Kapita Selekta Konsultan Statistika Metode Peramalan Ekonometrika Matematika Asuransi Pemodelan Matematika Ekonomi Mikro Ekonomi Makro Sistem Informasi Manajemen Pemrograman Internet Pemograman Visual Analisis dan Perancangan Sistem. Data Mining Basis Data I Pengantar Ilmu Pertanian Biologi Radiasi Sosio Biologi

306

Mata Kuliah Keahlian Berkarya (MKB) 32. Dasar Hortikultura 33. Dasar Budidaya Tanaman Jumlah Mata Kuliah Wajib Jumlah Mata Kuliah Pilihan 4.

K 3 3

P -

J 3 3 17 71

K -

P 2

J 2 6 8 0

K -

P 3

J 3 3 0

Mata Kuliah Perilaku Berkarya (MPB)

Mata Kuliah Perilaku Berkarya (MPB) 1. PKL 2. Skripsi Jumlah Mata Kuliah Wajib Jumlah Mata Kuliah Pilihan 5.

Mata Kuliah Berkehidupan Bermasyarakat (MBB)

Mata Kuliah Berkehidupan Bermasyarakat (MBB) 1 KKN Jumlah Mata Kuliah Wajib Jumlah Mata Kuliah Pilihan

DAFTAR MATAKULIAH WAJIB PROGRAM STUDI STATISTIKA BERDASARKAN SEMESTER Semester I Kode UNG 4170 MAB 4102 MAK 4103 MAP 4190 MAM 4190 MAM 4101 MAS 4121

Mata Kuliah Bahasa Inggris I Biologi Dasar Kimia Dasar Fisika Dasar Matematika Dasar Peng. Himpunan dan Logika Metode Statistika I Jumlah sks

K 2 2 2 2 2 2 3

sks P 1 1 1 1 -

J 2 3 3 3 3 2 3 19

Prasyarat -

307

Semester II Kode

Mata Kuliah

UNG 400_ MAS 4218 MAS 4221

Agama Pengantar Teori Peluang Metode Statistika II

MAS 4231 MAM 4202 MAM 4200

Pengantar Analisis Regresi Matematika I Matriks dan Ruang Vektor Jumlah sks

K 3 3 2

sks P 1

3 3 3

-

Prasyarat

J 3 3 3

MAS4121** MAS4121* MAM 4200*** MAM 4190* MAM 4190*

3 3 3 18

Semester III Kode MAI 4180A MAS 4141 MAM 4102 MAS 4111 MAS 4122

Mata Kuliah Komputer Dasar Pemrograman Linier Matematika II Statistika Matematika I Pengantar Rancob Jumlah sks

sks K 2 3 4 3 3

P 1 -

Prasyarat

J 3 3 4 3 3 16

MAM 4200* MAM 4202* MAS 4218* MAS 4221**

Semester IV Kode

Mata Kuliah

MAI 4270A MAM 4273

Struktur Data & Algoritma Metode Numerik

MAS 4230 MAS 4212 UNG 4007 UBU 4005

Statistika Peng. Mutu Statistika Matematika II Pend. Kewarganegaraan Kewirausahaan Jumlah sks

K 2 2

sks P 1 1

3 3 3 3

-

J 3 3 3 3 3 3 18

Prasyarat MAI 4180A* MAM 4202*, MAI 4180A* MAS 4221* MAS 4111** 54 sks 54 sks

308

Semester V Kode

Mata Kuliah

sks P -

J 3

MAS 4132

Pengantar Model Linier

K 3

MAS 4112 MAS 4123 MAS 4133

Teknik Sampling & Survai Statistika Non Parametrik Analisis Deret Waktu

3 3 2

1

3 3 3

MAS 4134

Komputasi Statistika

2

1

3

Jumlah sks

Prasyarat MAS 4231*, MAS 4122* MAS 4111* MAS 4221* MAS 4218*, MAS 4231* MAS 4221**, MAI 4180A**

15

Semester VI Kode

Mata Kuliah

K

sks P

J

MAS 4232 MAS 4238

Analisis Data Kategori Analisis Multivariat

3 2

1

3 3

UNG 4008 UBU 4002 MAS 4228 UNG 4270

Bahasa Indonesia KKN Analisis Data Explorasi Bahasa Inggris II Jumlah sks

3 3 3 2

-

3 3 3 2 17

Prasyarat MAS4231**, MAS4218 MAS 4212*, MAM 4200* ≥ 90 sks ≥ 90 sks MAS 4221* UNG 4170*

Semester VII

Kode UBU 4003

Mata Kuliah PKL

sks K

P

J

2

-

2

Jumlah sks

Prasyarat ≥ 100 sks

2

Semester VIII Kode UBU 4001

Mata Kuliah Skripsi Jumlah sks

sks K

P

J

6

-

6

Prasyarat ≥ 120 sks

6

309

Kode

DAFTAR MATA KULIAH WAJIB dan PILIHAN SEMESTER GANJIL sks Mata Kuliah Status K P J

Prasyarat

UNG4170 MAB 4102 MAP 4190 MAK 4103 MAM 4190 MAM 4101 MAS 4121 MAI 4180A MAS 4141 MAM 4102 MAS 4111 MAS 4122 MAS 4132

Bahasa Inggris I Biologi Dasar Fisika Dasar Kimia Dasar Matematika Dasar + Peng.Himpunan & Logika Metode Statistika I + Komputer Dasar + Pemrograman Linier + Matematika II + Statistika Matematika I + Pengantar Rancob + Pengantar Model Linier +

2 2 2 2 2 2 3 2 3 4 3 3 3

1 1 1 1 1 -

2 3 3 3 3 2 3 3 3 4 3 3 3

W W W W W W W W W W W W W

MAS 4112 MAS 4123 MAS 4133

Teknik Sampling & Survai Statistika Non Parametrik + Analisis Deret Waktu +

3 3 2

1

3 3 3

W W W

MAS 4134

Komputasi Statistika +

2

1

3

W

UBU 4002 MAS 4113 MAB 4127 MAB 4105 MAS 4142 MAM 4282 IAO 4132 MAS 4124 MAS 4135 MAS 4136 MAS 4137 MAS 4151 MAS 4146 MAM 4154 MAI 4199 MAI 4191A PTB 4102

KKN Proses Stokastik + Biologi Radiasi Sosio Biologi Teori keputusan Matematika Asuransi Ekonomi Mikro Biometri Lanjutan + Ekonometrika Stat. Peng. Mutu Lanj + Eksplorasi Data P. Ganda Konsultan Statistika Teknik Optimasi Analisi Riil I Pemrogaman internet Data Mining Dasar Hortikultura Jumlah sks

3 3

-

3 3

W P

MAM 4200* MAM 4202* MAS 4218* MAS 4221** MAS 4231*, MAS 4122* MAS 4111* MAS 4221* MAS 4218*, MAS 4231* MAS 4221**, MAIA 4180** ≥ 90 sks MAS 4218*

2 2 2 2 3 3 3 3 2 1 2 3 3 3 3

1 -

2 2 2 2 3 3 3 3 2 2 2 3 3 3 3 91

P P P P P P P P P P P P P P P

MAB 4150 MAB 4150 MAS 4218* MAS 4218* ≥ 72 sks MAS 4122** MAS 4231* MAS 4230* MAS 4238* ≥ 100 sks MAM 4273* MAM 4202* MAIA 4180 MAIA 4180 ≥ 90 sks

310

UNG 4001 UNG 4 0 0 2 UNG 4 0 0 3 UNG 4 0 0 4 UNG 4 0 0 5 MAS 4218 UNG 4270 MAS 4221 MAS 4231

DAFTAR MATA KULIAH WAJIB PILIHAN SEMESTER GENAP sks Mata Kuliah Status K P J Agama Islam 3 3 W Agama Kristen 3 3 W Agama Katholik 3 3 W Agama Hindu 3 3 W Agama Budha 3 3 W Pengantar Teori Peluang + 3 3 W Bahasa Inggris II 2 2 W Metode Statistika II + 2 1 3 W Pengantar Analisis Regresi + 3 3 W

MAM 4202 MAM 4200 MAS 4228 MAI 4270A MAM 4273

Matematika I Matriks dan Ruang Vektor Analisis Data Eksplorasi Struktur Data dan Algoritma Metode Numerik

3 3 3 2 2

1 1

3 3 3 3 3

W W W W W

MAS 4230 MAS 4212 UNG 4007 UBU 4005 MAS 4232

Statistika Peng. Mutu + Statistika Matematika II + Pend. Kewarganegaraan Kewirausahaan Analisis Data Kategori +

3 3 3 3 3

-

3 3 3 3 3

W W W W W

MAS 4238

Analisis Multivariat

2

1

3

W

UNG 4008 UBU 4003 UBU 4001 PTB 4111 MAI 4113A MAS 4223 MAS 4243

Bahasa Indonesia PKL Skripsi Pengantar Ilmu Pertanian SIM Analisis Variansi + Metode Simulasi

3 2 6 2 3 3 2

-

3 2 6 2 3 3 2

W W W P P P P

MAS 4235 MAS 4246 MAS 4234 MAS 4236

Analisis Regresi Lanjutan Riset Operasi + Metode Peramalan Reliabilitas dan Uji Hidup

1 2 3 3

1 1 -

2 3 3 3

P P P P

IAO 4242 MAM 4272 MAI 4210 MAI 4285 PTB 4232 MAI 4206A MAS 4251

Ekonomi Makro Pemodelan Matematika Analis dan Per. Sistim Pemograman visual Dasar Budidaya Tan. Basis Data I Kapita Selekta Jumlah sks

3 3 3 3 3 3 2

-

3 3 3 3 3 3 2 84

P P P P P P P

Kode

+

+

Prasyarat -

UNG 4170* MAS 4121** MAS 4121 MAS 4200*** MAM 4190* MAM 4190* MAS 4221* MAIA 4180* MAM 4202*, MAIA 4180* MAS 4221* MAS 4111** ≥ 54 sks ≥ 54 sks MAS 4231*, MAS 4218* MAS 4212*, MAM 4200* ≥ 90 sks ≥ 100 sks ≥ 120 sks MAS 4121** MAS 4218*, MAIA 4180* MAS 4231** MAM 4141* MAS 4133* MAS 4218*, MAS 4231* IAO 4132 MAM 4102* MAI 4180 MAI 4180 ≥ 72 sks MAI 4270 ≥ 100 sks

311

Keterangan : *

= menempuh sampai ujian akhir semester

**

= lulus minimum D

***

= menempuh bersamaan atau menempuh sampai ujian akhir semester

+

= ada responsi

P

= pilihan

W

= wajib

L

= layanan untuk program studi selain statistika

Semua praktikum dengan sks

Mata kuliah pilihan minimum 33 sks dengan ketentuan jumlah sks : Matakuliah Pilihan dengan kode MAS minimum 12 sks Matakuliah Pilihan dengan kode MAM minimum 2 sks Matakuliah Pilihan dengan kode MAI minimum 2 sks Matakuliah Pilihan luar Jurusan (Fakultas) minimum 4 sks

SILABUS PROGRAM STUDI STATISTIKA METODE STATISTIKA I (MAS 4121) Prasyarat

:-

Deskripsi

:

3 sks

Penguasai konsep, peranan dasar statistika, statistika diskriptif dan menerapkan dalam statistika inferensial. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa menguasai konsep, peranan dasar statistika dan mampu menerapkan dalam statistika inferensial. Strategi Pembelajaran

:

Kuliah, tugas, diskusi dan responsi. Materi Kuliah

:

Pengertian statistika dan kegunaannya dalam berbagai bidang penelitian; pengertian populasi dan sampel (alasan mengapa sampel perlu diambil); macam variabel dan skala pengukuran; statistika deskriptif: Diagram (titik, garis, histogram, dahan-daun, kotak garis), Ukuran pemusatan (mean, median, modus), Ukuran penyebaran (rentang, rata-rata simpangan, simpangan baku, koefisien keragaman); cara mendeteksi bentuk sebaran,

312

pencilan; sebaran peluang variabel diskrit, variabel kontinu; Penduga selang parameter populasi (nilai tengah, prop. “sukses”, ragam) Pustaka

:

1. Moore, D.S. and McCabe, G.P. 1993. Introduction to The Practice of Statistics. 2nd ed. Freeman and Company, New York. 2. Walpole R.E. and R.H. Myers, 1978. Probability and Statistics for Scientist and Engineers. McMillan. New York. 3. Yitnosumarto, S. 1994. Dasar-dasar Statistika. Cet. Kedua. Raja Grafindo Persada, Jakarta. 4. Bhattacharyya, G.K. and R.A. Johson, 1977. Statistical Concept and Methods. John Wiley & Sons, Inc. New York.

METODE STATISTIKA II (MAS 4221) Prasyarat

: MAS 4121** (Metode Statistika I)**

Deskripsi

:

3 sks

Dasar-dasar analisis ragam. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menerapka statistika inferensial lebih lanjut, dasar-dasar analisis ragam. Strategi Pembelajaran

:

Kuliah, tugas, diskusi, praktikum dan responsi. Materi Kuliah

:

Tinjauan ulang dan hipotesa : dasar-dasar analisis ragam, analisis ragam untuk pengujian dua nilai tengah independen dan dua nilai tengah dependen, asumsi yang melandasi analisis ragam regresi. Pustaka

:

1. Moore, D.S. and McCabe, G.P., 1993. Introduction to The Practice of Statistics. 2nd ed. Freeman and Company, New York. 2. Walpole and Myers. 1978. Probability and Statistics for Scientist and Engineers. McMillan. New York. 3. Yitnosumarto, S. 1994. Dasar-dasar Statistika. Cet. Kedua. Raja Grafindo Persada, Jakarta.

313

PENG. HIMPUNAN dan LOGIKA (MAM4101) Prasyarat

:

Deskripsi

:

2 sks

Himpunan dibahas dari sisi teoritis sehingga beberapa sifat yang sederhana dapat dibuktikan dan logika difokuskan pada bagaimana membangun dan membuktikan pernyataan. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menyusun pernyataan-pernyataan dengan simbol-simbol logika matematika ( terutama kaitannya dengan statistika deskriptif, peluang, perancangan percobaan dan iferensia statistika) . Strategi Pembelajaran

:


:

Semesta pembicaraan, kalimat pernyataan kata-kata penghubung kalimat, tabel-tabel nilai. Kontraposisi dan ingkaran kalimat, pengertian konstanta dan variabel, tautologi dan kontradiksi, kuantor, universal dan eksistensial, kuantifikasi terbatas, kasus dari statistika deskriptif ke inferensia, himpunan dan operasinya, himpunan kuasa, relasi relasi ekivalen, fungsi domain dan range, fungsi injektif, subektif dan bijektif, pengantar struktur aljabar dan operasi padanya, kaitan himpunan dan teknik sampling. Pustaka

:

1. Soehakso,R.M.T.J. 1985. Pengantar Matematika Modern. FMIPA-UGM 2. Torski, A. 1959. Introduction to Logic. Oxford-Press.

MATEMATIKA DASAR (MAM4190) Prasyarat

:

Deskripsi

:

3 sks

Turunan dan integral. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menerapkan dan menjelaskan konsep dasar aljabar dan kalkulus. Strategi Pembelajaran

:

Kuliah, tugas, diskusi, responsi dan praktikum.

314

Materi Kuliah

:

Fungsi, limit, fungsi, kontinuitas, turunan/derivatif fungsi, penggunaan turunan: menghitung limit dengan aturan L`Hospital, max dan min fungsi, intgral tak tentu, intergral tertentu. Pustaka

:

1. Purcell, E.J. dan D. Verberg, 1986 (terjemah B. Kartasasmita dkk): Kalkulus Goemetri Analitis, jilid 1 dan 2; edisi 4, Erlangga 2. Leithold, W.J. 1976. The Calculus and Analytic Geometry, 3rd ed; Harper and Row. 3 Baisoeni,MH. 1986. Kalkulus, UI Press PENG. TEORI PELUANG (MAS 4218) Prasyarat

3 sks

: MAM 4101* (Peng. Him. Dan Logika)* MAM 4202***(Matematika I)***

Deskripsi

:

Ruang contoh dan ruang kejadian, peluang , peubah acak dan fungsi sebaran, fungsi bersama, marjinal, , nilai harapan, momen sekitar titik dan nilai tengah, aplikasi peluang . Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa menguasai konsep dasar peluang dan mampu menerapkan dalam pemodelan suatu percobaan. Strategi Pembelajaran

:


:

Ruang contoh dan ruang kejadian, analisis kombinatorika, urn model, model penempatan, peluang suatu kejadian bebas atau bersyarat, dalil-dalil peluang bersyarat dan kaidah Bayes, peubah acak dan fungsi sebaran, peubah acak ganda; sebaran bersama, marjinal dan bersyarat, fungsi sebaran diskrit dan kontinu, nilai harapan, momen sekitar titik dan nilai tengah, aplikasi peluang : rantai Markov dan proses stokastik, penekanan pada pembahasan tentang peubah diskret. Pustaka

:

1. Ross, S. 1984. A First Course in Probability. Macmillan, New York. 2. Strait, P.T., 1989. A First Couse in Probability and Statistics With Applications. Horcourt Brace Jovanich, Inc. 3. Larson, 1982. Introduction to Probability Theory and Statistical Inference, John Wiley and Sons, New York. 4. Dudewicz. E.T dan S.N. Mishra. 1995. Statistika Matematika Modern; terjemahan RK Sembiring. ITB. Bandung 5. Woodroofe. M. 1975. Probability With Application. McGraw-Hill. Koyakusha. Tokyo. 6. Bean,M.A. 2001. Probability: The Science of Uncertainty with Application to Invesmen,Insurance and Engineering.

315

PROSES STOKASTIK (MAS 4113 ) Prasyarat

: MAS 4218*(Peng. Teori Peluang))*

Deskripsi

:

3 sks

Proses stokastik dan penerapannya. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa menguasai dan mampu menerapkan proses stokastik, klasifikasi proses stokastik, proses stasioner Strategi Pembelajaran

:


:

Review teori peluang & pengantar proses stokastik. Rantai markov : definisi, matriks peluang transisi, first step analysis, rantai markov khusus, perilaku jangka panjang, klasifikasi keadaan (state), keberulangan (recurrence) dan contoh-contoh aplikasinya. Proses Poisson. Rantai Markov Waktu Kontinu: Proses kelahiran murni, proses kematian murni, proses kelahiran dan kematian. Proses pembaharuan : definisi, dalil, konsep dan aplikasinya. Pustaka

:

1. Karlin, S & H.M. Taylor, 1994. An Introduction to Stochastic Modelling. 3rd ed. Academic Press. New York. 2. Allen. 2003. Introduction to Stochastic Process with Biology Application. 3. T. Aven, U Jensen. 1999. Stochastic Models in Reliability

ANALISIS VARIANSI (MAS 4223) Prasyarat

: MAS 4223** (Metode Statistika I) **

Deskripsi

:

3 sks

Konsep dasar pemakaian dan berbagai analisis variansi yang disesuaikan dengan faktorfaktor yang terlibat. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa diharapkan mampu menjelaskan pengertian dasar analisis variansi, konsep dasar, persyaratan yang diperlukan bagi variabel kontinu dan dapat menguji apakah analisis variansi valid diterapkan pada data yang tersedia, serta dapat menguraikan keragaman total hasil pengamatan ke dalam keragaman pengaruh faktor yang terlibat dalam model liniernya.

316

Strategi Pembelajaran

:


:

Pengertian analisis variansi; pendugaan ragam populasi dari ragam sampel, ragam rata-rata sampel dan ragam total; pengaruh perlakuan terhadap ragam dalam sampel dan ragam antar sampel; model tetap, acak dan campuran; asumsi-asumsi analisis ragam; transformasi data; analisis ragam klasifikasi satu arah; analisis ragam klasifikasi dua arah, tanpa interaksi; analisis ragam klasifikasi dua arah dengan interaksi; dua arah sub sampling; tiga arah tanpa interaksi; analisis ragam klasifikasi tiga arah dengan interaksi dua faktor; analisis ragam klasifikasi tiga arah dengan interaksi tiga faktor (tinjauan analisis ragam meliputi model linier, penguraian JK total dan E(KT) Pustaka

:

1. Kempthorne, O. 1980. Design and Analysis of Experiment. John Wiley. New York. 2. Mead, R., 1991. The Design of Experiment Statistical Principles for Practical Application, Cambridge University Press. 3. Sokal, R.R. and Rohlf, F.J. 1981. Biometry. 2nd edition. W.H. Freeman and Company. New York. 4. Steel, R.G.D. and Torrie, J.H. 1980. Principles and Procedures of Statistics. Second Ed. McGraw-Hill Kogakusha Ltd., Tokyo.

ANALISIS DATA EKPLORASI (MAS 4228) Prasyarat

: MAS 4121** (Metode Statistika I) **

Deskripsi

:

3 sks

Analisis data secara diskriptif yang meliputi pemakaian diagram, tranformasi, pemulusan, penyesuaian tabel dua dan tiga arah.. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu mengekplorasi hasil analisis secara deskriptif, menarik kesimpulan tentang populasi dengan analisis deskriptif data sampel dengan memperhatikan sifat sebaran data. Strategi Pembelajaran

:


:

Diagram dahan daun, tranformasi, plot hubungan, pemulusan, penyelesaian tabel dua arah (kolom + baris) dan tabel tiga arah ( kolom x baris).

317

Pustaka

:

1. Ericson, N. 1977. Memahami Data. Terjemahan R.K. Sembiring. LP3ES. 2. Siegel, A.E. 1988. Statistics and Data Analysis. 3. Tukey, J.W. 1977. Exploratory Data Analysis, Addison-Wesley, Massachusetts

SISTEM INFORMASI MANAJEMEN (MAI4113) Prasyarat

: -

Deskripsi

:

Reading,

3 sks

Konsep dan kerangka informasi manajemen. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa menguasai dan dapat menerapkan konsep dan kerangka informasi manajemen. Strategi Pembelajaran

:


:

Konsep informasi, konsep sistem, konsep sistem informasi, konsep organisasi dan manajemen, konsep pengambilan keputusan dan sistem pendukung keputusan, struktur SIM, perangkat keras dan lunak, perencanaan dan organisasi SIM pada industri jasa dan manufact, pengembangan dan evaluasi sistem informasi. Pustaka

:

1. Porter, L.W. dan Robert, K. 1977. Communication In Organization, London. 2. Eliason, A.L. dan Kitts, K.D. 1979. Bussines Computer System an Applications. Palo, California.

MATEMATIKA I (MAM 4202) Prasyarat

: MAM 4190*(Matematika Dasar)*

Deskripsi

:

3 sks

Turunan dan integral. Tujuan Umum

:

Setelah memepuh mata kuliah ini mahasiswa mampu menjelaskan dasar-dasar integral, turunan dan menggunakan integral, turunan dari dua atau tiga peubah.

318


:

Kuliah, tugas dan responsi. Materi Kuliah

:

Penggunaan integral tertentu, integral tak wajar, fungsi dua variabel atau lebih, turunan parsial, turunan total, penggunaan turunan parsial, integral rangkap, penggunaan integral rangkap, pengantar persamaan differensial. Pustaka

:

1. Purcell, E.J. dan D. Verbeg, 1986. Kalkulus dan Geometri Analitis. Jilid 1 dan 2. Edisi 4. Terjemahan Kartasasmita. Erlangga. 2. Leithold, W.J. 1976. The Calculus and Analytic Geometry. 3d ed. Harper and Row. 3. Salas, H. and W.R. Hille. 1985. Calculus of One and Several Variables, 5th ed. John Wiley and Sons.

MATEMATIKA II (MAM 4102) Prasyarat

: MAM 4202* (Matematika I)*

Deskripsi

:

4 sks

Deret dan fungsi Tujuan Umum

:

Setelah menempuh matakuliah ini mahasiswa dapat menggunakan deret dan fungsi Strategi Pembelajaran

:

Kuliah, tugas dan responsi. Materi Kuliah

:

Barisan, deret, deret Taylor, deret Maclaurine, deret Fourier, Integrak Fourier, penggunaan PD di deret, fungsi Gama, Beta, Bessel, Legendre, tranformasi Laplace dan penggunaannya, Fungsi komplek, persamaan Cauchy Riemman. Pustaka

:

1. Purcell, E.J. dan D. Verberg, 1986 (terjemah B. Kartasasmita dkk): Kalkulus Goemetri Analitis, jilid 1 dan 2; edisi 4, Erlangga 2. Leithold, W.J. 1976. The Calculus and Analytic Geometry, 3rd ed; Harper and Row. 3. Salas, J. and W.R. Hille, 1985. Calculus of One Several Variables, 5th ed, John Wiley and Sons. 4. Kreyszig, E., 1979. Advanced Engineering Mathematics, John Wiley and Sons, 4th ed, New York.

319

MATRIKS DAN RUANG VEKTOR (MAM 4200) Prasyarat

: MAM 4190

Deskripsi

:

3 sks

Aljabar linier yang berhubungan dengan terapan statistika Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menjelaskan dan meguraikan fungsi, operasi, sifat matriks dan ruang vektor untuk menunjang teori pada mata kuliah selanjutnya. Strategi Pembelajaran

:


:

Sistem persamaan linier, matriks, matriks sekatan, kebalikan matriks, kebalikan matriks sekatan, determinan, ruang vektor Rn, transformasi linier, nilai eigen, vektor eigen, diagonalisasi, ortogonal,ortonormal, bentuk kuadrat, SVD, matrik kebalikan umum : pengantar Invers Moore-Penrose Pustaka

:

1. Anton, H. 1984. Elementary Linier Algebra. John Wiley & sons, New York. 2. Graybill. 1969. Introduction to Matrices with Application in Statistics. Wadsworth Inc., Colorado. 3. Rao. C. R. dan Mitra S.K. 1971. Generalized Inverse of Matrices and Its Application. John Wiley & Sons. New York

STATISTIKA MATEMATIKA I (MAS 4111) Prasyarat

: MAS 4218* (Peng. Teori Peluang)*

Deskripsi

:

3 sks

Metode tranformasi, sebaran normal multivariat, kekonvergenan, ketidaksamaan, kaidah bilangan besar, dalil limit pusat. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menerapkan konsep dasar sebaran peluang secara lebih mendalam untuk menunjang pegembangan statistika terapan. Strategi Pembelajaran

:

Kuliah, tugas, diskusi dan responsi.

320

Materi Kuliah

:

Fungsi pembangkit peluang dan momen; bebas stokastik dan identik momen bersama; sebaran fungsi peubah acak : metode transformasi, metode fungsi pembangkit momoen, sebaran jumlah peubah acak, sebaran peubah acak kontinu, sebaran fungsi linier dan kuadrat peubah acak normal, sebaran normal multivariat, kekonvergenan, ketidaksamaan, kaidah bilangan besar, dalil limit pusat. Pustaka

:

1. Casella, G. & R.L. Berger. 1990. Statistical Inference. Wadsworth, Pasific Grove, California. 2. Nasoetion, A.H. & A. Rambe. 1984. Teori Statistika untuk Ilmu-ilmu Kuantitatif. Ed. 2. Bhatara Karya Aksara, Jakarta 3. Dudewicz, E.J. & S.N. Mishra. 1988. Modern Mathematical Statistics. Wiley, New York. STATISTIKA MATEMATIKA II (MAS 4212) Prasyarat

: MAS 4111 *( Statistika Matematika I)*

Deskripsi

:

3 sks

Konsep dasar teori estimasi dan pengambilan kesimpulan secara lebih mendalam sebagai dasar Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa menguasai dan mampu menerapkan konsep dasar teori estimasi dan pengambilan kesimpulan secara lebih mendalam sebagai dasar untuk mengembangkan statistika terapan. Strategi Pembelajaran

:


:

Metode pendugaan parameter, metode momen, metode kemungkinan maksimum, metode pengambilan keputusan minimaks dan Bayes, metode evaluasi penduga : galat tengah kuadrat, penduga tak bias terbaik seragam, kecukupan, kelengkapan, kekonsistenan, dalildalil Rao-Blackwell, Lehman-Scheffe, Cramer-Rao, Pengujian hipotesis : hipotesis statistika, hipotesis tunggal dan majemuk, kesalahan uji, kuasa uji, fungsi uji, metode penurunan statistik uji : lemma Neyman-Pearson, uji paling kuasa seragam, uji tak bias, uji nisbah kemungkinan, metode pendugaan selang : statistik pivot, statistik uji. Pustaka

:

1. Casella, G. & R.L. Berger. 1990. Statistical Inference. Wadsworth, Pasific Grove, California. 2. Nasoetion, A.H. & A. Rambe. 1984. Teori Statistika untuk Ilmu-ilmu Kuantitatif. Ed. Bhatara Karya Aksara, Jakarta 3. Dudewicz, E.J. & S.N. Mishra. 1988. Modern Mathematical Statistics. Wiley, New York.

321

PENGANTAR RANCANGAN PERCOBAAN (MAS 4122) Prasyarat

: MAS 4221*(Metode Statistika II)*

Deskripsi

:

3sks

Merancang suatu percobaan yang meliputi rancangan perlakuan, lingkungan dan analisis hasil pengamatan. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa dapat merancang suatu penelitian berdasarkan tujuan dan karakteristik materi percobaan yang tersedia. Disamping itu mahasiswa dapat melakukan analisis ragam sesuai dengan rancangan percobaan yang digunakan , uji lanjutan dan interpretasi hasil. Strategi Pembelajaran

:

Kuliah, tugas, diskusi, peninjauan di lapang dan responsi. Materi Kuliah

:

Pengertian rancangan percobaan, prinsip-prinsip dasar rancangan percobaan, rancangan acak lengkap (deskripsi, denah percobaan, analisis ragam), analisa lanjutan bila H 1 diterima, rancangan acak kelompok (deskripsi, denah, analisis ragam, efisiensi relatif, data hilang), rancangan acak bujur sangkar latin (deskripsi, denah, analisis ragam, efisiensi relatif, data hilang) , percobaan faktorial.(penguaraian JK-perlakuan kedalam komponen fator utama dan interaksi) Pustaka

:

1. Gomez, K.A. and Gomez, A.A. 1976. Statistical Procedures for Agricultural Research with Emphasis on Rice. IRRI, LosBanos, Laguna, Philippines. 2. Kempthorne, O. 1980. Design and Analysis of Experiment. John Wiley. New York. 3. Steel, R.G.D. and Torrie, J.H. 1980. Principles and Procedures of Statistics. Second Ed. McGraw-Hill Kogakusha Ltd., Tokyo.

PENGANTAR ANALISIS REGRESI (MAS 4231) Prasyarat

3 sks

: MAM 4200*** (Matriks dan Ruang Vektor)*** MAS 4121* (Metode Statistika I)*

Deskripsi

:

Dasar analisis regresi linier dan berganda. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa diharapkan mampu membuat model suatu masalah dengan analisis regresi berdasarkan kaidah-kaidah statistika.

322


:


:

Pendahuluan: Korelasi sederhana, ilustrasi model, manfaat regresi dan korelasi. Regresi linier sederhana: Penaksiran parameter (MKT dan MLE), pengujian hipotesis terhadap parameter, keberartian model (ANOVA), pendekatan matrik, pemeriksaan asumsi yang mendasari analisis, analisis residual, diagnostik dan penanganan terhadap pencilan dan amatan berpengaruh, penaksiran nilai amatan. Regresi eksponensial yang dapat ditransformasi. Kurva fitting. Regresi linier berganda: Penaksiran parameter, pengujian hipotesis, korelasi berganda dan parsial. Variabel dummy, Pemilihan model regresi terbaik: semua kemungkinan regresi, forward, backward, stepwise. Pustaka

:

1. Myers, R.H. 1990. Classical and Modern Regression with Applications. PWS-KENT, Boston, Massachusetts. 2. Draper, N. and Smith H., 1981. Applied Regression Analysis, John Willey, New York. 3. Weisberg, S., 1980. Applied Linear Regression, John Willey. New York. 4. Montgomery, D.C., 1992. Introduction to Linear Regression Analysis, Willey, New York.

ANALISIS REGRESI LANJUTAN (MAS 4235) Prasyarat

: MAS 4231** (Pengantar Analisis Regresi)**

Deskripsi

:

2 sks

Model regresi untuk mengatasi multikolinieritas, model pertumbuhan dan non lilier Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa diharapkan mampu melakukan pemodelan masalah regresi berganda dan nonlinier. Strategi Pembelajaran

:


:

Pelanggaran asumsi regresi multikolinieritas : pengantar regresi PCA, ridge regression. Regresi lag, model pertumbuhan, model-model regresi non linier yang tidak bisa ditransformasi, studi kasus regresi.

323

Pustaka

:

1. Draper, N. R and H. Smith [1992], Applied Regression Analysis, (diterjemahkan oleh Bambang Sumantri), PT Gramedia, Jakarta. 2. Montgomery, Douglas. C and Elizabeth A. Peck [1992], Introduction to Linear Regression Analysis, Wiley, New York. 3. Myers, R. H [1990], Classical and Modern Regression with Applications, PWS-Kent Publishers, Boston. 4. Sembiring, R.K [1995], Analisis Regresi, Penerbit ITB, Bandung. 5. Weisberg, Stanford [1985], Applied Linear Regression, Wiley, New York.

STATISTIKA PENGENDALIAN MUTU (MAS 4230) Prasyarat

: MAS 4221* (Metode Statistika II)*

Deskripsi

:

3 sks

Pengendalian mutu secara terpadu, evaluasi sebelum, selama atau sesudah proses. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa dapat mengetahui dan menentukan mutu yang baik dari suatu hasil proses dengan mengadakan pengujian statistika yang tepat dan cepat terlebih dahulu serta dapat menentukan uji statistik yang paling cocok bagi pengendalian mutu. Strategi Pembelajaran

:


:

Tujuan dari pengendalian mutu itu sendiri, faktor penting yang mempengaruhi dalam pengendalian mutu secara terpadu, evaluasi sebelum, selama atau sesudah proses yang terjadi, cara pengambilan contoh, pengujian dengan statistik baik non parametrik serta uji organoliptik. Pustaka

:

1. Cochran, W.G., 1977. Sampling Tehniques, John Wiley and Sons, New York. 2. Grant, E.L., 1988. Statistical Quality Control, Prentice Hall, New York. 3. Gupta, 1981. Statistics Quality Control, McGraw Hill Publication, New York.

324

TEORI KEPUTUSAN (MAS 4142) Prasyarat

: MAS 4218* (Peng. Teori Peluang)*

Deskripsi

:

2 sks

Prinsip, model dan strategi pengambilan keputusan Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa dapat menerapkan model dan strategi pengambilan keputusan atas suatu masalah. Strategi Pembelajaran

:


:

Prinsip-prinsip pengambilan keputusan, probabilitas subjektif objektif, fungsi kerugian dan resiko, pohon keputusan, teori utilitas, nilai informasi, strategi pengambilan keputusan, fungsi keputusan Bayesian, AHP Pustaka

:

1. Berger, J.O. 19.. Statistical Decision Theory and Bayesian Analysis. Springer, New York. 2. Mangkusubroto, K. dan Trisnadi, C.L. 1987. Analisa Keputusan. Ganesa, Bandung. 3. Prat, J.W., Riffa, H., Schlaifer, R. 1995. Introduction to Statistical Decision Theory. MIT Press, London. 4. Rios, S. 1994. Decision Theory and Decision Analysis. Trends and Challenger. Kluwer Ac. Pub., Boston. 5. Taha, H. 1997. Riset Operasi. Binampa Aksara, Jakarta 6. Winston, W.L. 1994. Operating Research, Aplication & Algoritm 3 rd edition. Duxbury Pers. California

PEMROGRAMAN LINIER (MAS 4141) Prasyarat

: MAM 4200* (Matriks dan Ruang Vektor)*

Deskripsi

:

3 sks

Pemrogram linier dan penerapannya. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu mengaplikasikan prinsip program linier serta penerapannya untuk pengambilan keputusan

325


:


:

Pemrograman linier, formulasi dan pemecahan grafik, metode simpleks, metode simpleks dalam matrik, dualitas, sensitifitas, masalah transportasi dan assignment Pustaka

:

1. Taha, H. 1997. Riset Operasi. Binampa Aksara, Jakarta 2. Hillier, F.S. dan Lieberman. 1980. Introduction to Operations Research. Holden-Day Inc., California 3. Wagner, H. 1982. Principles of Operation Research. Prestice Hall, New York. 4. Winston, W.L. 1994. Operating Research, Aplication & Algoritm 3 rd edition. Duxbury Pers. California 3 sks

RISET OPERASI (MAS 4241) Prasyarat

: MAS 4141* (Pemrograman Linier) * MAS 4218* (Peng.Teori Peluang)*

Deskripsi

:

Model sediaan, teori antrian, disiplin antrian, model jaringan, program dinamik. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa menguasai menerapkan model-model dalam riset operasi Strategi Pembelajaran

prinsip riset operasi dan

:


:

Model sediaan: deterministik dan probabilistik. Teori antrian: disiplin antrian, pola pelayanan, proses Markov, distribusi eksponensial dan Erlang. Beberapa tipe antrian berdasarkan proses markov. Model jaringan : lintasan terpanjang (PERT-CPM). Lintasan terpendek. Min. spanning tree, max flow. Program dinamik: pola maksimum minimum, goal programming. Pustaka

:

1. Taha, H. 1997. Riset Operasi. Binampa Aksara, Jakarta 2. Hillier, F.S. dan Lieberman. 1980. Introduction to Operations Research. Holden-Day Inc., California. 3. Wagner, H. 1982. Principles of Operation Research. Prestice Hall, New York. 4. Winston, W.L. 1994. Operating Research, Aplication & Algoritm 3rd edition. Duxbury Pers. California

326

METODE SIMULASI (MAS 4142) Prasyarat

: MAS 4218*(Peng. Teori Peluang)* MAI 4180*(Komputer Dasar)*

Deskripsi

:

Simulasi suatu model. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menerapkan teknik pembangkitan bilangan dan simulasi dalam model Strategi Pembelajaran

:


:

Pendahuluan, teknik pembangkitan bilangan acak, Simulasi Monte carlo, pembangkit variate acak kontinu dan diskret, metode reduksi keragaman. Penggunaan simulasi dalam pemodelan, riset operasi dan teori statistika dengan bantuan komputer. Pustaka 1. 2. 3. 4.

:

Winston, W. L. 1994. Operation Research : Application and Algorithm. Morgan, B. J. T. 1984. Elements of Simulation. Law, A. M. and W. Kelton. 1991. Simulation Modeling and Analysis. Kakiay, T. J. 2004. Pengantar Sistem Simulasi

STRUKTUR DATA & ALGORITMA (MAI 4270) Prasyarat

: MAI 4180* (Komputer Dasar)*

Deskripsi

:

3 sks

Tipe data abstrak, algoritma pencarian dan pengurutan. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu mengimplementasikan tipe data abstrak, algoritma pencarian dan pengurutan. Strategi Pembelajaran

:

Kuliah, tugas, diskusi, praktikum dan responsi.

327

Materi Kuliah

:

Pointer dan variabel dinamis, list, stack, queue, binary, tree dan general, tree, graph, pencarian (searching) : sequential seraching, binary searching, hashing, pengurutan : internal sort, eksternal sort Pustaka

:

1. Scneider, G.M., 1978. An Introduction to Programming And Problem Solving With Pascal, John Wiley and Sons, New York. 2. Tanembaum, A.M. dan Agustein, M. J., 1981. Data Structure Using Pascal, Printice Hall. 3. Horn, Wayne, L., 1995. Structured Programming With Turbo Pascal, Pensacole Junior Colledge.

METODE NUMERIK (MAM 4273) Prasyarat

3 sks

: MAM 4202 *(Matematika II)* MAI 4180 * (Komputer Dasar)*

Deskripsi

:

Interpolasi, turunan dan pengintegralan numerik. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menerapkan berbagai metode numerik untuk menyelesaikan masalah statistika Strategi Pembelajaran

:


:

Pengertian galat, akar persamaan tak linier, sistem persamaan linier dengan dekomposisi LU, interpolasi, turunan dan pengintegralan numerik. Pustaka

:

1. Mathews. 1989. Numerical Methods for Mathematics. Science and Enginerring 2. James L, Buchanan and Peter R. Turner. 1992. Numerical Method and Analysis. McGraw-Hill. Inc 3. Richard L. Burden and J. Douglas Faires. 1989. Numerical Analysis. PSW-Kent Publishing Company.

328

TEKNIK SAMPLING DAN SURVAI (MAS 4112) Prasyarat

: MAS 4111 *(Statistika Matematika I)*

Deskripsi

:

3 sks

Teori teknik sampling dan penerapannya. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menerapkan teknik dan teori sampling sesuai dengan karakteristik populasi. Strategi Pembelajaran

:


:

Dasar-dasar penarikan contoh, penarikan contoh acak sederhana (CAS), CAS dengan proporsi dan presentasi, perkiraan ukuran contoh, penarikan contoh acak berlapis, penduga rasio, penduga regresi, penarikan contoh sistematis, penarikan contoh berkelompok, penarikan contoh ganda, sumber-sumber kesalahan dalam survai. Pustaka

:

1. Mendenhall, W. 1971. Elementary Survey Sampling. Wardswarth Publ. Belmont California. 2. Cochran, W.G. 1977. Sampling Techniques. 3rd edition. John Willey. New York. 3. Thompson, S.K. 1992. Sampling. A-Wiley Interscience Publication.

STATISTIKA NONPARAMETRIK (MAS 4123) Prasyarat

: MAS 4221* (Metode Statistika II)*

Deskripsi

:

3 sks

Analisis data kualitatif dan bebas sebaran. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa dapat menjelaskan dan menerapkan berbagai analisis statistika non-parametrik Strategi Pembelajaran

:


329

Materi Kuliah

:

Alasan pemakaian statistika non-parametrik, berbagai macam skala pengukuran terhadap peubah, pengujian hipotesis satu nilai tengah dan satu proporsi, pengujian dua nilai tengah dependen dan independen, pengujian dua proporsi, pengujian keacakan dan kecenderungan, pengujian k nilai tengah independen dan dependen, tabel kontingensi, hubungan dua peubah dan korelasi peringkat Bootstrap dan aplikasinya. Pustaka

:

1. Siegel, S . 1956. Non Parametric Statistics for the Behavioral Sciences. International student edition.. McGraw-Hill. Kogakusita Ltd. Tokyo. 2. Daniel, W.W. 1978. Applied Nonparametric Statistics. Houghton Mifflin Co. 3. Sprent, P. 1989. Applied Non Parametric Statistical Methods. Chapman and Hall, London. 4. Effron, B. and Tibshirani, R. J. 1993. An Introduction to the Bootstrap. Chapman and Hall, London.

BIOMETRIKA LANJUTAN (MAS 4124) Prasyarat

: MAS 4122** (Pengantar Rancob)**

Deskripsi

:

3 sks

Rancangan lebih komplek : Percobaan faktorial pecahan (fractional factorial), perlakuan terpaut (confaunding), rancangan blok terbagi, analisa ragam percobaan berulang, gabungan beberapa model berdasarkan tempat dan waktu, rancangan pendugaan respon : dua faktor dan tiga faktor. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu merancang penelitian yang lebih komplek dan menganalisa hasil pengamatannya Strategi Pembelajaran

:


:

Percobaan faktorial pecahan (fractional factorial), perlakuan terpaut (confaunding), rancangan blok terbagi, analisa ragam percobaan berulang, gabungan beberapa model berdasarkan tempat dan waktu, rancangan pendugaan respon : dua faktor dan tiga faktor

330

Pustaka

:

1. Gomez, K.A. and Gomez, A.A. 1976. Statistical Procedures for Agricultural Research with Emphasis on Rice. IRRI, LosBanos, Laguna, Philippines. 2. Kempthorne, O. 1980. Design and Analysis of Experiment. John Wiley. New York. 3. Khuri, A.L. and Cornell, J.A. 1987. Respones Surfaces Design and Analysis. Marcell Dekker Inc., New York. 4. Peng, K.C. 1967. The Design and Analysis of Scientific Experiments. Addison-Wesley Pub. Co. Inc., Canada. 5. Steel, R.G.D. and Torrie, J.H. 1980. Principles and Procedures of Statistics. Second Ed. McGraw-Hill Kogakusha Ltd., Tokyo. 6. Sokal, R.R. and Rohlf, F.J. 1981. Biometry. 2nd edition. W.H. Freeman and Company. New York. 7. Mead, R., 1991. The Design of Experiment Statistical Principles for Practical Application, Cambridge University Press. 8. Scheffe, H.A., 1959. The Analysis of Variance, John Wiley and Sons Inc, New York.

PENGANTAR MODEL LINIER (MAS 4132) Prasyarat

3 sks

: MAS 4231* (Pengantar An. Regresi)* MAS 4122*(Pengantar Rancob)*

Deskripsi

:

Model linier singular, model berkendala, pengujian hipotesis fungsi linier parameter Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mempunyai ketrampilan memanipulasi model-model linier singular, model berkendala, pengujian hipotesis fungsi linier parameter (dalam model singular dan nonsingular) Strategi Pembelajaran

:


:

Model linier umum, prinsip kuadrat terkecil biasa dan umum, prinsip galat bersyarat, penguraian jumlah kuadrat, penggunaan pada rancangan kelompok tidak lengkap, data tak berimbang, pengujian hipotesis fungsi linier parameter. Pustaka 1. 2. 3. 4.

:

Ksirshanger, 1988. Linier Model. Searle, S.R., 1971. Linier Models, John Wiley and Sons, New York. John, R., 1983. Matrix Computaions and Mathematical Software, Mc Graw Hill. Cheney, W. and Kinncaid, D., 1985. Numerical Mathematics and Computing, Brooks and Code Cole Publishing Co. 2nd.

331

ANALISIS DERET WAKTU (MAS 4133) Prasyarat

3 sks

: MAS 4231* (Perkenalan Analisis Regresi)* MAM 4211 *(Statistika Matematika I)*

Deskripsi

:

Analisis deret waktu dengan pendekatan waktu dan frekwensi Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa menguasai konsep dan mampu mengaplikasikan analisis deret waktu dengan pendekatan waktu dan frekuensi Strategi Pembelajaran

:


:

Konsep dasar, variasi dalam deret waktu, model untuk stasioner (ARMA) dan non stasioner, spesifikasi model, pendugaan parameter, pengujian model, peramalan, model musiman (p,d,q)(P,D,Q), analisis spektrum Pustaka 1. 2. 3. 4. 5.

:

Chatfield, C. 19… The Analysis of Time Series Cryer, J.D. 1986. Time Series Analysis. PWS-KENT Pub. Comp, Boston Wei, W.S., 1994. Time Series.Analysis. Univariate and Multivariate Method. AddisonWesley. Pub. Company, New York Box, Jenkin. Reinsel. 1994. Time Series Anlysis and Control Forecasting. Prentice Hall. New Yersey. Douglas, J and Hamilton. 1994. Time Series Analysis.

KOMPUTASI STATISTIKA (MAS 4134) Prasyarat

3 sks

: MAS 4221* (Metode Statistika II)* MAI 4180* (Komputer Dasar)*

Deskripsi

:

Struktur dan algoritma paket program statistika, penyusunan program macro statistika Minitab, SPLUS dan R, pembahasan struktur dan algoritma-algoritma Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mempunyai pengetahuan dan ketrampilan struktur dan algoritma dari paket program statistika sehingga dapat mengolah dan menganalisis data menggunakan paket program maupun makronya dengan bantuan komputer.

332


:


:

Pengenalan dan penggunaan paket-paket program statistika utama (Minitab, SPLUS dan R), pembahasan tentang struktur dan algoritma paket program statistika tersebut, penyusunan program macro dari paket dari paket program statistika Minitab, SPLUS dan R, pembahasan struktur dan algoritma-algoritma dalam statistika, managemen data (penyusunan basis data dan sistem informasi). Pustaka

:

1. Maindonald. 1984. Statistical Computation. Wiley, USA 2. Minitab Inc. 1994. Minitab Reference Manual Release 10.2 For Windows. Minitab Inc., USA 3. Dalgaard, P. 2002. Introductory Statistics with R. Springer – Verlag New York Inc 4. Venables, W. N & Ripley, B. D. 1994. Modern Applied Statistics with S – Plus, Springer – Verlag New York Inc

ANALISIS DATA KATEGORI (MAS 4233) Prasyarat

3 sks

: MAS 4231* (Perkenalan Analisis Regresi)* MAS 4218* (Peng. Teori Peluang)*

Deskripsi

:

Metode analisis data kategorik dan tabel kotingensi. Tujuan Umum

:

Setelah menempuh matakuliah ini mahasiswa mampu menjelaskan konsep dasar dan mampu mengaplikasikan metode analisis data kategorik pada peubah respon biner serta mampu mengembangkan aplikasinya pada peubah respon politomus. Strategi Pembelajaran

:


:

Pembahasan statistika bagi data tanpa asumsi kenormalan, model peluang bagi data kategorik (binomial, multinomial, poisson), analisis tabel kontingensi, regresi logistik bagi data dengan peubah respon biner, model log linier untuk tabel kontingensi. Pendugaan parameter melalui pendekatan model linier dengan metode kuadrat terkecil tertimbang.

333

Pustaka

:

1. Agresti, A. 2002. Categorical Data Analysis. John-Wley & Sons Inc., Canada 2. Fienberg, S.E. 1977. The Analysis of Cross-Classified Categorical Data. The MIT Press, Massachusetts and London, England. 3. Hosmer, D.W. Jr and Lemeshow, S. 1989. Applied Logistic Regression. John Wiley & Sons Inc, Canada

EKONOMETRIKA (MAS 4135) Prasyarat

: MAS 4231* (Pengantar Analisis Regresi)*

Deskripsi

:

3 sks

Penerapan dan penjelasan analisis statistika di bidang ekonomi. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menerapkan konsep dasar dan metode ekonometrika Strategi Pembelajaran

:


:

Pelanggaran asumsi model klasik, variabel status dan klasik, model regresi pada variabel boneka, ekivalensi dua persamaan regresi dan model persamaan simultan, pendugaan parameter model simultan, masalah pengukuran dalam bidang ekonomi, penjelasan sifat hubungan antar variabel ekonomi berdasarkan teori ekonomi, penjelasan tentang kandungan empirik variabel-variabel ekonomi. Pustaka

:

1. W. Greene. 1997. Econometric Analysis. Prentice-Hall. 2. Gujarati, D.N. 2003. Basic Econometrics 4th ed, Mc-Graw Hill. New York.

METODE PERAMALAN (MAS 4234) Prasyarat

: MAS 4133* (Analisis Deret Waktu)*

Deskripsi

:

3 sks

Pemulusan, regresi dan pemulusan, intervensi analisis, analisis model fungsi tranfer. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menerapkan metode peramalan dengan pendekatan waktu dan frekuensi

334

Materi Kuliah

:

Pemulusan, regresi dan pemulusan untuk deret waktu dengan pola tren, musiman, hubungan peramalan dengan pemulusan dan ARIMA model, bivariate proses, intervensi analisis, analisis model fungsi tranfer. Pustaka

:

1. Chatfield, C. 1984. The Analysis of Time Series An Introduction. Chapman and Hall, New York. 2. Ledolter, J. dan Abraham, B. 1983. Statistical Method to Forecasting. John Wiley & Sons, New York. 3. Wei, W.S., 1994. Time Series.Analysis. Univariate and Multivariate Method. AddisonWesley. Pub. Company, New York

TEKNIK OPTIMASI (MAS 4146) Prasyarat

: MAM 4273* (Metode Numerik)*

Deskripsi

:

3 sks

Konsep Pemrograman Non Linier, program kuadratik, separable programing Tujuan Umum

:

Setelah mempuh mata kuliah ini mahasiswa mampu menjelaskan dan menerapkan teori optimasi untuk menunjang teknik optimasi. Strategi Pembelajaran

:


:

Konsep Pemrograman Non Linier, fungsi konveks dan konkaf, menyelesaikan NLP dengan satu peubah, Golden section search, Ekstrem tanpa kendala dengan beberapa peubah, Metode steepest ascent, ekstrem dengan kendala berbentuk persamaan dengan metode pengganda lagrange. Ekstrem dengan kendala berbentuk pertidaksamaan, syarat kuhntucker. Program kuadratik, separable programing Pustaka

:

1. Bazara, M.S. HD.Skerali. C.M. Shetty. 1993. Non Linier Programming. Theoary and Algorithms. John Wiley and Sons 2. Mital, K.V. 1978. Optimation Methode in Operations Research and Analysis. Wiley Eastern Ltd. 3. Winston, W. L. 1994.Operation Research, Applications and Algorithms. Duxbury Press.

335

STATISTIKA PENGENDALIAN MUTU LANJUTAN (MAS 4136) Prasyarat

: MAS 4230* (Statistika Pengendalian Mutu)*

Deskripsi

:

3 sks

Control chart dan acceptance sampling lanjutan Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menerapkan control chart dan acceptance sampling lanjutan Strategi Pembelajaran

:


:

Subgrouping rasional dan different adaptations variabel control chart, control chart untuk fraction defective, sistem dodge roming untuk lot bay lot acceptance sampling, sistem AQL, acceptance sampling plan untuk produksi kontinu, aplikasi beberapa topik. Pustaka

:

1. Cochran, W.G., 1977. Sampling Tehniques, John Wiley and Sons, New York. 2. Grant, E.L., 1988. Statistical Quality Control, Prentice Hall, New York. 3. Gupta, R.C. 1981. Statistics Quality Control, Romesh Chander Khana Pub., New Delhi.

RELIABILITAS DAN UJI HIDUP (MAS 4236) Prasyarat

3sks

: MAS 4218* (Peng. Teori Peluang)* MAS 4231* (Peng. Analisis Regresi)*

Deskripsi

:

Model reliabilitas dan statistika inferensial yang digunakan dalam uji hidup. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menerapkan dan menguasai konsep dasar model reliabilitas dan statistika inferensial untuk berbagai model-model peluang dan metode-metode yang digunakan dalam uji hidup Strategi Pembelajaran

:


336

Materi Kuliah

:

Pengantar reliabilitas, distribusi life time, reliabilitas dari sistem-sistem koheren, pendugaan reliabilitas non parametrik, model-model parametrik dan inferensial, metode grafik, metode bayes untuk reliabilitas. Pustaka

:

1. Crowder, M.I, Kimber, AC, Smith, R.L dan Swetting T.J. 1991. Statistical Analysis of Reliability Data. Chapman & Hall London 2. Elsayed A. 1996. Reliability Enginerring. Addison Wesley. Longman, Inc. 3. Lowless . J. F. 1982. Statistical Models and Methodes of Life Time Data. Willy.

ANALISIS MULTIVARIAT (MAS 4238) Prasyarat

3 sks

: MAS 4212* (Statistika Matematika II)* MAM 4200* (Matriks dan Ruang Vektor)*

Deskripsi

:

Manova, Mancova, analisis profil, analisis komponen utama, analisis faktor, analisis korelasi kanonik, analisis diskriminan. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menjelaskan sifat-sifat distribusi normal multivariat, mampu menganalisis dan menginterpretasikan data multivarit dengan menggunakan berbagai teknik analisis multivariate. Strategi Pembelajaran

:


:

Tinjauan distribusi normal multivariat dan sifatnya. Distribusi Wishart, distribusi T Hotelling. Pendugaan vektor mean dan matriks kovariansi, Manova, Mancova, analisis profil, analisis komponen utama, analisis faktor, analisis korelasi kanonik, analisis diskriminan. Pustaka

:

1. Anderson, T.W., 1984. An Introduction to Multivarite Statistical Analysis, John Wiley and sons, New York, 675. 2. Johnson, R.A. and DW. Wichern, 2002. Applied Multivariate Statistical Analysis. Fifth edition. Prentice-Hall, Inc., New Jersey. 3. Mardia, K.V., J.T. Kent and J.M. Bibby, 1979. Multivariate Analysis. A Harcourt Science & Technology Company, San Diego. 4. Morrison, D.F, 1990. Multivariate Statistical Methods, McGraw-Hill, Singapore.

337

EKSPLORASI DATA PEUBAH GANDA (MAS 4137) Prasyarat

: MAS 4238* (Analisis Multivariate)*

Deskripsi

:

2 sks

Analisis eksplorasi data multivariat : analisis komponen utama, faktor, korelasi kanonik, biplot, enskalaan dimensi ganda, korespondensi, diskriminan dan cluster. Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menjelaskan dan menerapkan ide dasar statistika peubah ganda menggunakan studi kasus. Deskripsi, eksplorasi dan teknik grafik Strategi Pembelajaran : Kuliah, tugas, diskusi dan responsi. Materi Kuliah

:

Grafik untuk data peubah ganda, tinjauan tentang penguraian nilai singular (SUD), analisis eksplorasi data multivariat : analisis komponen utama, analisis faktor : analisis korelasi kanonik, analisis biplot. Penskalaan dimensi ganda. Analisis korespondensi, analisis diskriminan dan analisis cluster. Pustaka

:

1. Anderson, T.W., 1984. An Introduction to Multivarite Statistical Analysis, John Wiley and sons, New York, 675. 2. Johnson, R.A. and DW. Wichern, 2002. Applied Multivariate Statistical Analysis. Fifth edition. Prentice-Hall, Inc., New Jersey. 3. Mardia, K.V., J.T. Kent and J.M. Bibby, 1979. Multivariate Analysis. A Harcourt Science & Technology Company, San Diego. 4. Morrison, D.F, 1990. Multivariate Statistical Methods, McGraw-Hill, Singapore.

KAPITA SELEKTA (MAS 4251) Prasyarat

:

Deskripsi

:

2 sks

100 sks

Tujuan Umum : Setelah menempuh mata kuliah ini mahasiswa mampu mengantisipasi perkembangan ilmu statistika. Strategi Pembelajaran Kuliah, tugas, diskusi.

:

Materi Kuliah

:

Mempelajari dan membahas masalah perkembangan ilmu statistika terbaru yang belum tertampung dalam suatu mata kuliah tertentu Pustaka

:

338

PRAKTEK KERJA LAPANGAN (UBU 4006) Prasyarat

:

Deskripsi

:

2 sks

100 sks

Praktek kerja untuk melihat penerapan statistika dunia nyata. Strategi Pembelajaran

:

Praktek di lapang dan seminar. Tujuan Umum

:

Mampu merumuskan masalah praktis ke dalam model statistik dan mampu menerapkan metode statistik untuk menyelesaikan suatu masalah. Materi Kuliah

:

PKL dilakukan minimal 2 minggu di berbagai instansi pemeritah maupun swasta yang mempunyai perhatian di bidang riset. Di akhir kegiatan mahasiswa diwajibkan membuat laporan yang berisi, kegiatan, permasalahan yang ditemui di lapangan dan pemecahan dari segi statistika. Laporan PKL wajib diseminarkan Magang Kerja

:

Magang kerja dapat diakui sebagai pengganti PKL dengan ketentuan berikut : magang dilakukan minimal satu bulan di berbagai instansi pemerintah maupun swasta. Di akhir kegiatan mahasiswa diwajibkan membuat laporan berisi kegiatan selama magang. Permasalahan yang ditemui di lapang dan pemecahanannya dari segi statistika. Laporan magang wajib diseminarkan. Pustaka

:

KONSULTAN STATISTIKA (MAS 4151) Prasyarat

: ≥ 100 sks

Deskripsi

:

2 sks

Kecakapan konsultan dan menganalisis masalah Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu menjadi konsultan statistika dengan titik berat pada kecakapan konsultan dan kemampuan pengoperasian laboratorium statistika. Strategi Pembelajaran

:

Kuliah, tugas , diskusi, praktikum di laboratorium dan lapang.

339

Materi Kuliah

:

Saran-saran yang harus dilakukan seorang statistikawan sebagai konsultan: peranan statistikawan dalam proses percobaan, alat dan training yang diperlukan untuk konsultasi statistika, prinsip-prinsip praktek konsultan yang baik, praktek konsultan, pengamatan selama konsultasi, mempelajari cara kritis pada waktu konsultasi, analisis dasar, pembuatan dokumentasi, rekomendasi dan praktek konsultasi. Pustaka

:

Cabrera J dan A Mc Dongall. 2002. Statistical Consulting. Spinger. New York. BASIS DATA I (MAI 4204) Prasyarat

: MAI 4270 (Struk. Data dan Algotima)*

Deskripsi

:

3 sks

Pengarsipan data sebagai pendahuluan untuk merancang sistem Tujuan Umum

:

Agar mahasiswa memahami pengarsipan data sebagai pendahuluan untuk merancang sistem Strategi Pembelajaran

:


:

Pengertian SBD, manajemen SBD, kebebasan data, arsitektur SBD, model-model data, keamanan dan integritas data, basis data terdistribusi Pustaka

:

1. Date, C.J. 1981. An Introduction to Data Base System. Third Ed. Addison-Wesley.

6 sks

SKRIPSI (UBU 4001) Prasyarat

: ≥ 120 sks

Deskripsi

:

Seminar dan membuat karya ilmiah. Strategi Pembelajaran

:

Membuat karya tulis ilmiah, seminar dan ujian komprehensip.

340

Tujuan Umum

:

Mahasiswa mampu mengintegrasikan secara terpadu dan komprehensif mata kuliah dasar dan keahlian untuk menyelesaikan hasil-hasil penelitian baik secara tertulis maupun lisan. Materi Kuliah

:

Skripsi sebagai salah satu syarat kelulusan mahasiswa. Skripsi bersifat ilmiah, dapat berupa studi literatur, studi lapangan dan suatu hasil penelitian. Skripsi wajib diseminarkan dan diujikan secara lisan di depan majelis penguji. Pustaka

:

STATISTIKA DASAR (MAS 4180) Prasyarat

:

Deskripsi

:

3 sks

Dasar analisis deskriptif dan inferensia Tujuan Umum

:

Setelah menempuh mata kuliah ini mahasiswa mampu melakukan penarikan kesimpulan baik secara deskriptif maupun inferensial tentang satu atau dua populasi, serta mencari hubungan antar dua variabel. Strategi Pembelajaran

:


:

Pendahuluan (pengertian dan kegunaan Statistika, percobaan, sampel dan populasi, sampling, macam data). Penataan data (diagram dahan daun dan tabel frekuensi). Ukuran pemusatan dan penyebaran, diagram kotak garis, Sebaran variabel random diskrit (binomial dll) dan kontinu (normal dan normal baku). Penduga selang satu dan parameter (rata-rata, ragam dan proporsi sukses). Pengujian hipotesis satu dan dua parameter. Regresi linier sederhana. Pustaka

:

1. Moore, D.S. and McCabe, G.P. 1993. Introduction to The Practice of Statistics. 2nd ed. Freeman and Company, New York. 2. Walpole R.E. and R.H. Myers, 1978. Probability and Statistics for Scientist and Engineers. McMillan. New York. 3. Yitnosumarto, S. 1994. Dasar-dasar Statistika. Cet. Kedua. Raja Grafindo Persada, Jakarta. 4. Bhattacharyya, G.K. and R.A. Johson, 1977. Statistical Concept and Methods. John Wiley & Sons, Inc. New York.

341

PROGRAM STUDI STATISTIKA

Recommend Documents