RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)
PROGRAM DOKTOR STATISTIKA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2012
I.
Deskripsi Lulusan Program Doktor STK
Parameter Deskripsi A. Kemampuan Bidang Kerja
Unsur-unsur Deskripsi A.1. Memiliki kemampuan memformulasikan permasalahan dalam rangka pengembangan keilmuan statistika A.2. Memiliki kemampuan mengevaluasi dan mengembangkan metodologi rancangan pengumpulan data yang efisien A.3. Memiliki kemampuan mengevaluasi dan mengembangkan metodologi analisis data A.4. Memiliki kemampuan menerjemahkan hasil analisis sesuai dengan konteks yang dihadapi dan menyajikan hasil analisis dalam bentuk yang mudah dipahami
B.
Lingkup Kerja Berdasarkan Pengetahuan yang Dikuasai
Memiliki kemampuan, pengetahuan dan landasan teori statistika yang kuat untuk mengembangkan rancangan pengumpulan dan analisis data dalam memecahkan masalah kuantitatif secara efektif dan efisien, serta mampu mengelola pelaksanaannya.
C.
Kemampuan Manajerial
Memiliki sikap kritis dan terbuka dalam memimpin dan mengembangkan riset kuantitatif yang bermanfaat bagi ilmu pengetahuan dan kemaslahatan umat manusia serta mampu mendapat pengakuan nasional maupun internasional.
II.
Capaian Pembelajaran (Learning Outcome, (LO))
Unsur-unsur Deskripsi A.1. Memiliki kemampuan memformulasikan permasalahan dalam rangka pengembangan keilmuan statistika
a.
b.
A.2. Memiliki kemampuan mengevaluasi dan mengembangkan metodologi rancangan pengumpulan data yang efisien
a.
A.3. Memiliki kemampuan mengevaluasi dan mengembangkan metodologi analisis data
a.
b.
b. A.4. Memiliki kemampuan menerjemahkan hasil analisis sesuai dengan konteks yang
a.
Learning Outcomes (LO) Memiliki kemampuan kritis dalam mengidentifikasi permasalahan pengembangan keilmuan statistika Mampu berpikir kreatif dan inovatif dalam perumusan masalah pengembangan keilmuan statistika Mampu merumuskan tahapan pengembangan metodologi pengumpulan data yang tepat sesuai dengan permasalahan Mampu mengevaluasi metodologi pengumpulan data yang dikembangkan Mampu merumuskan tahapan pengembangan metodologi analisis data yang tepat sesuai dengan permasalahan Mampu mengevaluasi metodologi analisis data yang dikembangkan Mampu menarik kesimpulan secara sah dari hasil analisis yang dilakukan dan mengkaitkannya
Unsur-unsur Deskripsi dihadapi dan menyajikan hasil analisis dalam bentuk yang mudah dipahami
b. c.
B. Memiliki kemampuan, pengetahuan dan 1. landasan teori statistika yang kuat untuk mengembangkan rancangan pengumpulan 2. dan analisis data dalam memecahkan masalah kuantitatif secara efektif dan efisien, serta mampu mengelola pelaksanaannya. C. Memiliki sikap kritis dan terbuka dalam memimpin dan mengembangkan riset kuantitatif yang bermanfaat bagi ilmu pengetahuan dan kemaslahatan umat manusia serta mampu mendapat pengakuan nasional maupun internasional.
1. 2. 3.
Learning Outcomes (LO) dengan permasalahan yang dihadapi Mampu menyajikan hasil analisis secara informatif Mampu mengkomunikasikan hasil analisis data baik dalam bentuk laporan tertulis maupun pemaparan lisan menggunakan bahasa yang mudah dipahami oleh bidang ilmu lain Memiliki pengetahuan statistika lanjut tentang metode pengumpulan data, komputasi statistik, dan analisis data, serta landasan teori yang kuat Mampu menerapkan statistika di berbagai bidang terapan
Mampu memimpin dan bekerja dalam tim Memiliki etika penerapan statistika yang baik Memiliki sikap kritis dan terbuka dalam pengelolaan kegiatan penelitian
III.
Rancangan Kurikulum berbasis Kompetensi
Mata Kuliah
A.1.a
A.1.b
A.2.a
A.2.b
A.3.a
A.3.b
PPS702 = Falsafah Sains
V
V
V
V
V
V
STK701 = Teori Sukatan (Measure Theory)
V
V
STK702 = Teori Peluang Lanjut
V
V
STK703 = Teori Statistika Madya
V
V
STK791 = Topik Khusus Statistika
V
V
STK731 = Model Linear Terampat
V
V
PPS701 = Kolokium
V
V
V
PPS790 = Seminar
V
V
V
V
V
V
V
V
V
PPS799 = Penelitian dan Disertasi
V
V
V
V
V
V
V
V
V
V
V
V
STK633 = Analisis Data Lanjutan
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
A.4.a
A.4.b
A.4.c
V
V
B.1
V
V
V
V
V
V
V
V
V
V
V
V
V
B.2
C.1
C.2
C.3
V
V
V V
V V
V
V
V
V
V
V V V
V
STK642 = Analisis Daya Tahan STK652 = Psikometrika
IV.
Rancangan GBPP dan Kompetensi Matakuliah
IV.1. Teori Peluang Lanjut (STK702) A. Matriks Kompetensi Mata Kuliah
A.1.a
A.1.b
A.2.a
A.2.b
A.3.a
A.3.b
A.4.a
STK702 = Teori Peluang Lanjut
v
v
Konsep Dasar Peluang
v
v
v
v v
v
Peubah Acak
v
v
v
Nilai Harapan
v
v
v
Kekonvergenan Barisan Peubah Acak
v
v
v
Rantai Markov
v
Proses Poisson
v
Kajian Lanjut Proses Poisson
v
Pendugaan Fungsi Intensitas Global pada Proses Poisson Periodik
v
A.4.b
A.4.c
B.1 v
v
v
v
B.2
C.1
C.2
C.3
B. Garis-garis Besar Program Pengajaran (GBPP) Fakultas/Prodi
:
MIPA / Statistika
Mata Kuliah / Kode
:
Teori Peluang Lanjut / STK702
Semester / SKS
:
Ganjil / 3(3-0)
Deskripsi Mata Kuliah :
Pada mata kuliah ini dibahas materi-materi teori peluang dengan pendekatan teori ukuran (measure theory), serta contoh penggunaannya pada penelitian. Materi yang dibahas adalah sebagai berikut: Konsep Dasar Peluang, Peubah Acak, Nilai Harapan, Kekonvergenan Barisan Peubah Acak, Rantai Markov (Diskret), Proses Poisson, Pendugaan Fungsi Intensitas Global pada Proses Poisson Periodik dan Pendugaan Fungsi Intensitas Lokal pada Proses Poisson Periodik.
Mata Kuliah Prasyarat :
Teori Statistika (STK501) , Teori Statistika II (STK502)
Standar Kompetensi :
Setelah mengikuti matakuliah ini mahasiswa akan dapat menjelaskan: konsep-konsep teori peluang (Konsep Dasar Peluang, Peubah Acak, Nilai Harapan, Kekonvergenan Barisan Peubah Acak, Rantai Markov dan Proses Poisson) dengan pendekatan teori ukuran (measure theory) dan contoh penggunaannya pada penelitian statistika. Indikator
No.
Kompetensi Standar
1.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep dasar peluang
2.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep peubah acak
3.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan
Pengalaman Belajar (Model Pembelajaran)
Penilaian Materi Pokok (Materi Ajar)
Alokasi Waktu (menit)
Bahan / Sumber Belajar
Menjelaskan Aksioma Peluang Menjelaskan Ruang Peluang Diskret Menjelaskan Peluang Bersyarat Menjelaskan Kejadian Bebas Menjelaskan Peubah Acak Menjelaskan Vektor Acak Menjelaskan Kebebasan Peubah Acak
Mind Mapping
Konsep Dasar Peluang
4 x 50’
1,2,3
Tes Tertulis Essay
Mind Mapping
Peubah Acak
4 x 50’
1,2,3
Tes Tertulis Essay
Menjelaskan Ukuran LebesgueStieltje
Mind Mapping
Nilai Harapan
5 x 50’
1,2,3
Tes Tertulis Essay
Indikator No.
Kompetensi Standar
Konsep nilai harapan
4.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan kekonvergenan Barisan peubah acak
5.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep dan sifat-sifat Rantai Markov
6.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep dan sifat-sifat Proses Poisson homogen
7.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep UMVUE
Menjelaskan Integral Menjelaskan Nilai Harapan dan Momen Menjelaskan Kekonvergenan dalam Peluang Menjelaskan Kekonvergenan Lengkap Menjelaskan Kekonvergenan Hampir Pasti Menjelaskan Kekonvergenan dalam Sebaran Menjelaskan Pengertian Rantai Markov Menjelaskan Peluang Transisi nstep Menjelaskan Klasifikasi State Menjelaskan Rantai Markov dalam Steady State Menjelaskan Proses Pencacahan Menjelaskan Proses Poisson Menjelaskan Waktu antar kedatangan dan waktu tunggu Menjelaskan Sebaran bersyarat waktu kedatangan Menjelaskan Sifat-sifat Lanjutan Proses Poisson Menjelaskan Proses Poisson nonhomogen Menjelaskan Proses Poisson Majemuk Menjelaskan Proses Poisson Periodik
Pengalaman Belajar (Model Pembelajaran)
Penilaian Materi Pokok (Materi Ajar)
Alokasi Waktu (menit)
Bahan / Sumber Belajar
Mind Mapping
Kekonvergenan Barisan Peubah Acak
4 x 50’
1,2,3
Tes Tertulis Essay
Mind Mapping
Rantai Markov
4 x 50’
4
Tes Tertulis Essay
Mind Mapping
Proses Poisson
4 x 50’
4
Tes Tertulis Essay
Mind Mapping
Kajian Lanjut Proses Poisson
4 x 50’
4
Tes Tertulis Essay
Indikator
Pengalaman Belajar (Model Pembelajaran)
Penilaian Materi Pokok (Materi Ajar)
Alokasi Waktu (menit)
Bahan / Sumber Belajar
No.
Kompetensi Standar
8.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep pendugaan Fungsi intensitas global pada Proses Poisson periodik
Menjelaskan Perumusan Penduga Menjelaskan Kekonsistenan Penduga Menjelaskan Sebaran Asimtotik Penduga
Mind Mapping
Pendugaan Fungsi Intensitas Global pada Proses Poisson Periodik
5 x 50’
4
Tes Tertulis Essay
9.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep pendugaan Fungsi intensitas lokal pada Proses Poisson periodik
Menjelaskan Perumusan Penduga Menjelaskan Kekonsistenan Penduga Menjelaskan Sifat-sifat Statistik Penduga Menjelaskan Sebaran Asimtotik Penduga
Mind Mapping
Pendugaan Fungsi
8 x 50’
4
Tes Tertulis Essay
Intensitas Lokal pada Proses Poisson Periodik
Pustaka: 1. Ash, R. B. 2000. Probability and Measure Theory. Second Edition. Academic Press, New York. 2. Billingsley, P. 1995. Probability and Measure. Third Edition. John Wiley & Sons, New York. 3. Chung, K. L. 2001. A Course in Probability Theory. Third Edition. Academic Press, New York. 4. Ross, S. M. 1996. Stochastic Processes. Second Edition. John Wiley & Sons, New York.
IV.1. Teori Statistika Madya (STK703) A. Matriks Kompetensi Mata Kuliah
A.1.a
A.1.b
A.2.a
A.2.b
A.3.a
A.3.b
A.4.a
v
v
A.4.b
A.4.c
B.1
STK703 = Teori Statistika Madya
v
v
Review konsep-konsep penting teori peluang
v
Populasi, sampel dan model
v
v
Statistik, kecukupan dan kelengkapan
v
v
Teori keputusan statistika
v
v
B.2
C.1
C.2
C.3 v
v
v
v
v
v
Inferensia statistika
v
v
v
v
v
Kriteria dan inferensia asimtotik
v
v
v
v
v
UMVUE
v
v
LSE pada model linear
v
v
Pendugaan tak bias pada masalah survei
v
v
Penduga-penduga tak bias asimtotik
v
v
v
v
Minimaxity dan admissibility
v
v
Metode kemungkinan maksimum
v
v
v
v
Keputusan dan penduga Bayes
Pendugaan efisien asimtotik
v
v
v
C. Garis-garis Besar Program Pengajaran (GBPP) Fakultas/Prodi
:
MIPA / Statistika
Mata Kuliah / Kode
:
Teori Statistika Madya / STK703
Semester / SKS
:
Ganjil / 3(3-0)
Deskripsi Mata Kuliah :
Pada mata kuliah ini dibahas materi-materi teori statistika dengan pendekatan teori ukuran (measure theory). Materi yang dibahas adalah: (i) Materi Dasar Statistika, yang meliputi: populasi, sampel dan model, statistik, kecukupan dan kelengkapan, teori keputusan statistika, inferensia statistika, kriteria dan inferensia asimtotik. (ii) Pendugaan tak Bias, yang meliputi topik: UMVUE, LSE pada model linear, penduga tak bias pada masalah survei, penduga tak bias asimtotik. (iii) Pendugaan pada Model Parametrik, yang meliputi topik: keputusan dan penduga Bayes, minimaxity dan admissibility, metode kemungkinan maksimum, pendugaan efisien asimtotik.
Mata Kuliah Prasyarat :
Teori Statistika (STK501) , Teori Statistika II (STK502)
Standar Kompetensi :
Setelah mengikuti matakuliah ini mahasiswa akan dapat menjelaskan: konsep-konsep teori statistika dengan pendekatan teori ukuran, untuk materi (i) Materi Dasar Statistika, yang meliputi: populasi, sampel dan model, statistik, kecukupan dan kelengkapan, teori keputusan statistika, inferensia statistika, kriteria dan inferensia asimtotik. (ii) Pendugaan tak Bias, yang meliputi topik: UMVUE, LSE pada model linear, penduga tak bias pada masalah survei, penduga tak bias asimtotik. (iii) Pendugaan pada Model Parametrik, yang meliputi topik: keputusan dan penduga Bayes, minimaxity dan admissibility, metode kemungkinan maksimum, pendugaan efisien asimtotik.
No.
Kompetensi Standar
1.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep-konsep penting teori peluang Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep populasi, sampel dan model
2.
Indikator
Pengalaman Belajar (Model Pembelajaran)
Materi Pokok (Materi Ajar)
Alokasi Waktu (menit)
Bahan / Sumber Belajar
Penilaian
Menjelaskan konsep-konsep penting teori peluang
Mind Mapping
Review konsepkonsep penting teori peluang
3 x 50’
1
Tes Tertulis Essay
Menjelaskan Populasi dan sampel Menjelaskan Model parametrik dan nonparametrik Menjelaskan Keluarga
Mind Mapping
Populasi, sampel dan model
3 x 50’
1
Tes Tertulis Essay
No.
Kompetensi Standar
Indikator
Pengalaman Belajar (Model Pembelajaran)
Materi Pokok (Materi Ajar)
Alokasi Waktu (menit)
Bahan / Sumber Belajar
Penilaian
eksponensial dan skala-lokasi 3.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep statistik, kecukupan dan kelengkapan
4.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep teori keputusan statistika
5.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep inferensia statistika
6.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep kriteria dan inferensia asimtotik Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep UMVUE
7.
8.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep LSE pada model linear
9.
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep pendugaan tak bias pada masalah survei Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan
10
Menjelaskan Statistik dan sebarannya Menjelaskan Kecukupan dan kecukupan minimal Menjelaskan Statistik lengkap Menjelaskan Aturan keputusan, fungsi kerugian dan fungsi risiko Menjelaskan Admissibility dan keoptimalan Menjelaskan Penduga titik Menjelaskan Pengujian hipotesis Menjelaskan Himpunan kepercayaan Menjelaskan Kekonsistenan Menjelaskan Bias, ragam dan mse asimtotik Menjelaskan Inferensia asimtotik Menjelaskan Statistik cukup dan lengkap Menjelaskan Syarat perlu dan cukup, ketaksamaan informasi Menjelaskan Sifat-sifat asimtotik UMVUE Menjelaskan LSE dan keterdugaan Menjelaskan UMVUE dan BLUE Menjelaskan Kekekaran dan sifatsifat asimtotik LSE Menjelaskan UMVUE untuk total populasi Menjelaskan Penduga HorvitzThompson Menjelaskan Fungsi dari penduga tak bias
Mind Mapping
Statistik, kecukupan dan kelengkapan
3 x 50’
1
Tes Tertulis Essay
Mind Mapping
Teori keputusan statistika
3 x 50’
1
Tes Tertulis Essay
Mind Mapping
Inferensia statistika
3 x 50’
1
Tes Tertulis Essay
Mind Mapping
Kriteria dan inferensia asimtotik
3 x 50’
1
Tes Tertulis Essay
Mind Mapping
UMVUE
3 x 50’
1
Tes Tertulis Essay
Mind Mapping
LSE pada model linear
3 x 50’
1
Tes Tertulis Essay
Mind Mapping
Pendugaan tak bias pada masalah survei
3 x 50’
1
Tes Tertulis Essay
Mind Mapping
Penduga-penduga tak bias
3 x 50’
1
Tes Tertulis Essay
No.
11
12
Kompetensi Standar
Indikator
konsep penduga-penduga tak bias asimtotik Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep keputusan dan penduga Bayes
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep Minimaxity dan admissibility
13
Setelah menyelesaikan topik ini, mahasiswa mampu m enjelaskan metode kemungkinan maksimum (MLE)
14
Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep pendugaan efisien asimtotik
Menjelaskan Metode momen Menjelaskan LSE terbobot Menjelaskan Tindakan Bayes Menjelaskan Metode Bayes empirik dan hirarki Menjelaskan Aturan dan penduga Bayes Menjelaskan Penduga dengan risiko konstan Menjelaskan Beberapa hasil pada keluarga eksponen satu parameter Menjelaskan pendugaan simultan dan penduga Menjelaskan shrinkage Menjelaskan Fungsi kemungkinan dan penduga kemungkinan maksimum Menjelaskan Penduga kemungkinan maksimum pada model linear terampat Menjelaskan Quasi-likelihoods dan conditional likelihoods Menjelaskan Keoptimalan asimtotik Menjelaskan Keefisienan asimtotik dari MLE dan RLE Menjelaskan Penduga efisien asimtotik lainnya
Pengalaman Belajar (Model Pembelajaran)
Alokasi Waktu (menit)
Bahan / Sumber Belajar
Penilaian
asimtotik Mind Mapping
Keputusan dan penduga Bayes
3 x 50’
1
Tes Tertulis Essay
Mind Mapping
Minimaxity dan admissibility
3 x 50’
1
Tes Tertulis Essay
Mind Mapping
Metode kemungkinan Maksimum
3 x 50’
1
Tes Tertulis Essay
Mind Mapping
Pendugaan efisien asimtotik
3 x 50’
1
Tes Tertulis Essay
Pustaka: 1.
Materi Pokok (Materi Ajar)
Shao, Y. 2003. Mathematical Statistics. Second Edition. Springer, New York.