RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS)

MATA KULIAH: STATISTIK INFERENSIAL DAN LAB (UPM)

PROGRAM STUDI S1 MANAJEMEN 2015

[email protected] 1 dari 8

Nama Mata Kuliah Kode Mata Kuliah/sks

: Statistik Inferensial dan Lab (UPM) : MKK 3042

Program Studi Semester Mata Kuliah Prasyarat

: S1 Manajemen : : Statistik Deskriptif

/ 3 sks

Deskripsi Mata Kuliah Statistika merupakan metode handal dalam menganalisis data, sehingga tepat dipakai dalam mencari solusi relevan dari problema bisnis dan ekonomi. Statistika berperan dalam (1) mengumpulkan data yang representatif, (2) Mengorganisasi, mengolah, dan menyajikan data, (3) memprediksi nilai bisnis di masa depan, serta (4) membuat kesimpulan atas hipotesis yang diajukan (inferensial). Statistik Inferensial melanjutkan materi Statistik Deskriptif dengan penonjolan pada pengujian hipotesis atas parameter populasi berdasarkan data sampel acak (representatif), dan sering dipakai pada analisis skripsi. Materi dimulai dari konsep probabilita, aplikasi distribusi diskrit (Binomial, Poison, Hypergeometrik), aplikasi distribusi kontinu (utamanya distribusi normal), uji rerata dan proporsi, analisis variansi (Anova), uji koefisien korelasi & regresi, sampai aplikasi uji nonparamtetrik.

Capaian Pembelajaran/Learning Outcomes 1. Pembelajar mampu menjelaskan elemen-elemen utama dari Statistika Inferensial dan membandingkannya dari Statistik Deskriptif. 2. Pembelajar mampu menjelaskan perananan konsep peluang (probabilita) dan sampling dalam membuat kesimpulan (inferensial) atas hipotesis penelitian. 3. Pembelajar mampu mengaplikasikan distribusi diskrit (Binomial, Hypergeometrik, Poisson) dalam mencari solusi problema bisnis atau ekonomi. 4. Pembelajar mampu mengaplikasikan distribusi kontinu (Normal, t, F, χ2) pada problema bisnis. 5. Pembelajar mampu menghitung besar sampel, kesalahan sampling, dan mengestimasi titik dan interval parameter populasi. 6. Pembelajar mampu menjelaskan kerangka pemilihan teknik statitik uji yang tepat. 7. Pembelajar mampu menguji hipotesis satu sampel, dua sampel, atau beberapa sampel dengan uji Z, uji t, uji F, dan uji χ2, serta mampu membedakan kasus uji parametrik atau uji nonparametrik.

Referensi 1.

Douglas A. Lind, William G. Marchal, Samuel A. Wathen, 2015. Statistical Techniques in Business & Economics, 16th Edition. McGraw-Hill, New York (LMW)

2.

Mark L. Berenson, David M. Levine, Kathryn A. Szabat, 2015. Basic Business Statistics Concepts and Applications, 13th Edition. Prentice-Hall, Boston. (BLS).

3.

J. Supranto. 2009. Statistik: Teori dan Aplikasi Jilid II. Erlangga, Jakarta (JS).


Referensi Relevan 1. David P. Doane, Lori E. Seward, 2013, Applied Statistics in Business and Economics, 4th ed, McGraw-Hill, New York. 2. Gerald Keller, 2014, Statistics for Management and Economics, Cengage Learning, Stamford. 3. Suharyadi dan Purwanto, 2010, Statistika: Untuk Ekonomi dan Keuangan Modern Jilid II, Salemba Empat, Jakarta.

Evaluasi Hasil Belajar Penilaian mahasiswa akan ditentukan berdasarkan gabungan dari komponen berikut ini: 1) Ujian tengah semester (UTS) 30% 2). Ujian akhir semester (UAS) 25% 3). Tugas terstruktur 45% Konversi nilai angka ke nilai huruf, sesuai bobot komponen, adalah sebagai berikut: Nilai Angka Nilai Huruf Bobot Nilai Angka Nilai Huruf ≥ 90 A 4,00 60,00 – 64,99 C + 80,00 – 89,99 A3,75 55,00 – 59,99 C 75,00 – 79,99 B+ 3,25 50,00 – 54,99 C 70,00 – 74,99 B 3,00 45,00 – 49,99 D 65,00 – 69,99 B2,75 < 45 E

Bobot 2,25 2,00 1,75 1,00 0,00


RENCANA PERKULIAHAN Minggu Ke1.

2. 1 3. 1. 2. 3. 2-3 4.

Kemampuan Akhir yang Diharapkan Mengetahui lingkup Statistika Inferensial dan membedakannya dari Statistika Deskriptif Mampu menjelaskan peranan Statistika dalam pengambilan keputusan & penelitian bisnis & ekonomi Mampu menjelaskan aplikasi peluang (probabilita) dalam bisnis & ekonomi Mampu menjelaskan peluang acak diskrit versus kontinu Mampu menghitung nilai harapan dan simpangan baku dari distribusi diskrit Mampu mengidentifikasi problema bisnis untuk distribusi binomial, hypergemetrik, dan Poisson Mampu menghitung nilai harapan dan simpangan distribusi binomial, hypergemetrik, dan Poisson pada aplikasi bisnis dan ekonomi

Pokok Bahasan dan Sub Pokok Bahasan ELEMEN STATISTIKA INFERENSIAL 1. Penjelasan RPS 2. Aplikasi Peluang & Peranan peluang dalam uji hipotesis

Metode Pembelajaran Perkuliahan & Diskusi

DISTRIBUSI PEUBAH ACAK DISKRIT 1. Peubah acak diskrit vs kontinu 2. Nilai harapan dan simpangan baku distribusi 3. Distribusi Binomial 4. Distribusi Hypergeometrik 5. Distribusi Poisson

Perkuliahan, Diskusi, Latihan Soal

Media Pembelajaran LCD, Situs

LCD, Situs, Paket soal

Sumber Ajar LMW 1&5; BLS 1&4; JS 1;

LMW 6; BLS 5; JS 2;

Deskripsi Tugas Menulis tentang contoh peranan Statistika Inferensial dalam bisnis dan ekonomi

Latihan kasus aplikasi distribusi diskrit, Binomial, Hypergemetrik, dan Poisson


4

5-6

1. Mampu mengidentifikasi ciri distribusi normal, t, F, χ2. 2. Mampu mengidentifikasi ciri problema untuk distribusi normal 3. Mampu mengkonversi ciri distribusi normal ke normal baku (Z) 4. Mampu menghitung peluang pada problema distribusi normal dengan Tabel Z 5. Mampu menguji normalitas data 1. Mampu menjelaskan alasan sebuah sampel menjadi satusatunya media dalam mempelajari populasi 2. Mampu menjelaskan dan menghitung kesalahan sampling (sampling error) 3. Mampu menjelaskan Teorema Limit Sentral dalam estimasi 4. Mampu mengestimasi titik dan interval kepercayaan untuk rerata dan proporsi 5. Mampu menghitung besar sampel

DISTRIBUSI PEUBAH ACAK KONTINU (NORMAL) 1. Type distribusi peubah acak kontinu: normal, normal baku, t, F, χ2. 2. Karakteristik distribusi normal 3. Konversi ke Normal Baku (Z) 4. Aplikasi Distribusi Normal (Tabel Z) 5. Uji Normalitas Data



LMW 7; BLS 6; JS 2;

Latihan kasus aplikasi distribusi normal (Tabel Z); QUIZ I.

DISTRIBUSI SAMPLING & ESTIMASI 1. Alasan Penggunaan Sampling 2. Metode Sampling Acak & Non Acak 3. Distribusi Sampling dari Rerata Sampel 4. Teorema Limit Sentral 5. Estimasi Titik & Interval Kepercayaan 6. Besar sampel



LMW 8-9; BLS 7-8; JS 3;

Latihan kasus aplikasi distribusi sampling untuk rerata sampel dan proporsi sampel


7

1. Mampu menjelaskan dan menerapkan lima tahap uji hipotesis 2. Mampu membedakan uji hipotesis satu arah versus dua arah 3. Mampu menguji hipotesis tentang rerata populasi dan proporsi populasi

11



LMW 10; BLS 9; JS 4;

Latihan kasus aplikasi uji hipotesis tentang rerata populasi dan proporsi populasi

UJI HIPOTESIS: DUA SAMPEL 1. Menguji rerata dua populasi 2. Membandingkan proporsi dua populasi 3. Uji Beda Pasangan



LMW 11; BLS 10; JS 4;

Latihan kasus aplikasi uji hipotesis tentang untuk dua sampel, baik sampel independen maupun dependen

ANALISIS VARIANSI (ANOVA) 1. Karakteristik Distribusi F 2. Membanding dua variansi 3. Analisis variansi satu arah



LMW 12; BLS 11; JS 4;

Latihan kasus aplikasi uji analisis variansi

UJIAN TENGAH SEMESTER (UTS)

8

10

UJI HIPOTESIS SATU SAMPEL 1. Konsep Uji Hipotesis 2. Uji Satu Arah & Dua Arah 3. Uji Hipotesis atas Rerata Populasi 4. Uji Hipotesis atas Proporsi Populasi

1. Mampu menguji hipotesis tentang rerata dua populasi 2. Mampu menguji hipotesis tentang proporsi dua populasi 3. Mampu membedakan dua sampel independen dan sampel dependen (pasangan) 4. Mampu menguji hipotesis tentang rerata untuk sampel pasangan 1. Mampu menjelaskan karakteristik distribusi F 2. Mampu menguji homogenitas data (membandingkan dua variansi) 3. Mampu menguji rerata tiga kelompok atau lebih dengan Anova satu arah


12

13

14

1. Mampu memformulasikan hubungan beberapa peubah berupa korelasi Pearson 2. Mampu menguji signifikansi hubungan dua peubah 3. Mampu menguji signifikansi pengaruh peubah bebas (t) 4. Mampu menginterpretasikan kekuatan model

KORELASI & REGRESI: UJI T&F 1. Korelasi Perubah Terikat dan Bebas 2. Uji Koefisien Korelasi 3. Model Regresi 4. Uji Koefisien Regresi



LMW 13; BLS 13-14; JS 5-6;

1. Mampu menjelaskan alasan penggunaan analisis nonparametrik 2. Mampu menjelaskan karakteritik distribusi χ2. 3. Mampu menguji kebagusansuai 4. Mampu menguji independensi dua peubah nominal/ordinal 1. Mampu menjelaskan kerangka memilih teknik analisis nonparametrik yang tepat 2. Mampu menguji hipotesis pada saat data tidak normal, seperti uji tanda, uji keacakan 3. Mampu menguji hubungan dua peubah saat data tidak normal 4. Mampu menguji hipotesis untuk tiga atau lebih kelompok saat data tidak normal

UJI NONPARAMETRIK: KAIKUADRAT (χ2) 1. Perlunya Analisis Nonparametrik 2. Karakteritik Distribusi Kai Kuadrat 3. Uji kebagusan-suai (goodness-of-fit) 4. Uji Independensi UJI NONPARAMETRIK: DATA



LMW 15; BLS 12; JS 4;

Latihan kasus aplikasi uji kebagusan-suai, independensi.


LCD, Situs,

LMW 16; BLS 12; JS 7;

Latihan kasus aplikasi uji nonparametrik untuk data peringkat

PERINGKAT

1. Kerangka memilih satu teknik analis nonparametrik 2. Uji Tanda (Sign Test) 3. Uji Keacakan (Runs Test) 4. Uji peringkat-tanda Wilcoxon 5. Uji jumlah-peringkat Wilcoxon 6. Uji Kruskal-Wallis

Latihan kasus aplikasi uji korelasi dan koefisien regresi


1. Mampu menerapkan salah

15

satu teknik uji hipotesis dalam penelitian bisnis atau ekonomi, atau 2. Mampu mengevaluasi atau mengkritik satu penerapan teknik analisis statistika

RISET SKALA KECIL: Diskusi Praktik Aplikasi teknik uji hipotesis dalam penelitian bisnis atau ekonomi

Presentasi & diskusi

LCD,

Presentasi & diskusi

UJIAN AKHIR SEMESTER (UAS)

16

Dibuat oleh :

Disahkan oleh :

Mengetahui :

Ian Bekman Siagian, M.E. Dosen

Nicodemus Simu, S.E., M.M. Ketua Program Studi

Dr. Hidayat Sofyan, SE, M.M. Dekan Fakultas Ekonomi & Bisnis


RENCANA PEMBELAJARAN SEMESTER (RPS)

Recommend Documents