STATISTIKA. Ketua Program Studi/Koordinator Mayor: Program Doktor: Aji Hamim Wigena Program Magister Sains: Erfiani. Staf Pengajar: Tujuan Pendidikan

Ukuran: px
Mulai penontonan dengan halaman:

Download "STATISTIKA. Ketua Program Studi/Koordinator Mayor: Program Doktor: Aji Hamim Wigena Program Magister Sains: Erfiani. Staf Pengajar: Tujuan Pendidikan"

Transkripsi

1 STATISTIKA Ketua Program Studi/Koordinator Mayor: Program Doktor: Aji Hamim Wigena Program Magister Sains: Erfiani Staf Pengajar: Ahmad Ansori Mattjik Budi Susetyo I Wayan Mangku Aji Hamim Wigena Bunawan Sunarlim Asep Saefuddin Erfiani Muhammad Nur Aidi Hari Wijayanto Totong Martono Barizi I Gusti Putu Purnaba Bastari I Made Sumertajaya Tujuan Pendidikan Pendidikan Pascasarjana Program Studi Statistika bertujuan menghasilkan tenaga ahli statistika yang berkemampuan dalam hal-hal berikut: (a). Merancang suatu percobaan atau survey pada penelitian dalam berbagai bidang ilmu untuk memperoleh keterangan yang diperlukan secara efisien; (b). Menganalisis data yang diperoleh secara kuantitatif, menafsirkan, dan menarik kesimpulan dari hasil analisis tersebut; (c). Menerjemahkan permasalahan dalam suatu bidang ilmu ke dalam bahasa statistika, dan sebaliknya menerjemahkan hasil analisis dan kesimpulan yang ditarik secara statistika ke dalam bahasa ilmu yang bersangkutan. Kompetensi Lulusan S2 Lulusan mampu mengelola penelitian, merumuskan dan mengatasi permasalahan secara statistika, dan mampu mengikuti perkembangan keilmuan bidang statistika. Kompetensi Lulusan S3 Lulusan mampu melakukan kajian perkembangan keilmuan bidang statistika, merancang dan mengelola penelitian, serta mengembangkan secara mandiri konsep dalam bidang statistika baik aspek teori maupun aplikasinya. Katalog

2 Sekolah Pascasarjana Institut Pertanian Bogor KURIKULUM Program Magister Sains Kode Mata Kuliah SKS Semester Mata Kuliah SPs (6 sks) STK 511 Analisis Statistika 3 (2-2) Ganjil PPS 500 Bahasa Inggris 3 (3-0) Ganjil, Genap Mata Kuliah Wajib Mayor S2 (32 sks) STK 500 Pengantar Teori Statistika 3 (3-0) Ganjil STK 501 Teori Statistika I 3 (3-0) Ganjil STK 502 Teori Statistika II 3 (3-0) Genap STK 521 Metode Penarikan Contoh 3 (2-2) Genap STK 531 Analisis Regresi Terapan 3 (2-2) Genap STK 571 Komputasi Statistik 3 (2-2) Ganjil STK 621 Perancangan Percobaan 3 (2-2) Ganjil STK 631 Model Linear 3 (3-0) Ganjil STK 632 Analisis Peubah Ganda 3 (2-2) Ganjil PPS 601 Kolokium 1 Genap PPS 690 Seminar 1 Genap PPS 699 Penelitian dan Tesis 6 Genap Mata Kuliah Pilihan Mayor S2 STK 522 Simulasi Statistik 3 (2-2) Ganjil, Genap STK 531 Analisis Regresi Terapan 3 (2-2) Genap STK 532 Statistika Spasial 3 (2-2) Ganjil, Genap STK 641 Analisis Komponen Ragam 3 (2-2) Ganjil, Genap Catatan: 1. Mayor Statistika tidak menawarkan paket Minor. 2. Mahasiswa harus pernah mengambil matakuliah yang setara dengan Aljabar Matriks (STK 201). 3. Mata kuliah Perancangan percobaan (STK 621) setara dengan mata kuliah Metodologi Penelitian. 4. Mata kuliah STK500 untuk memperkaya dasar-dasar teori statistika Katalog 2012

3 Program Doktor Kode Mata Kuliah SKS Semester Mata Kuliah Wajib SPs (2 sks) PPS 702 Falsafah Sains 2 (2-0) Ganjil Mata Kuliah Wajib Mayor S3 (29 sks) STK 701 Teori Sukatan (Measure Theory) 3 (3-0) Ganjil STK 702 Teori Peluang Lanjutan 3 (3-0) Ganjil STK 703 Teori Statistika Madya 3 (3-0) Genap STK 791 Topik Khusus Statistika 3 (2-2) Genap STK 731 Model Linear Terampat 3 (2-2) Ganjil PPS 701 Kolokium 1 Genap PPS 790 Seminar 1 Ganjil, Genap PPS 799 Penelitian dan Disertasi 12 Ganjil, Genap Mata Kuliah Pilihan Mayor S3 (9 sks) STK 633 Analisis Data Lanjutan 3 (2-2) Ganjil, Genap STK 642 Analisis Daya Tahan 3 (2-2) Ganjil, Genap STK 652 Psikometrika 3 (2-2) Ganjil, Genap Catatan: Mayor S3 Statistika tidak menawarkan paket Minor. SILABUS MATA KULIAH STK 500 Pengantar Teori Statistika 3(3-0) 1 Kalkulus untuk teori statistika yang meliputi : fungsi, diferensial, integral, optimisasi; Aljabar matriks untuk statistika yang meliputi : operasi dasar matriks, kebalikan matriks, sistem persamaan linier, akar ciri dan vektor ciri, bentuk kuadrat. Staf STK 501 Teori Statistika I 3(3-0) 1 Pengantar Teori Peluang (konsep dasar, kaedah dasar, kaedah pencacahan, kebebasan dan peluang bersyarat). Sebaran dan nilai harapan peubah acak. Fungsi gabungan dan transformasi peubah acak. Fungsi pembangkit momen. Dalil konvergensi dan konsep dasar limit peluang. Pembahasan pemodelan peluang untuk kejadian alam yang bersifat diskrit dan kontinyu. Barizi Katalog

4 Sekolah Pascasarjana Institut Pertanian Bogor STK 502 Teori Statistika II 3(3-0) 2 Teori pendugaan dan uji hipotesis. Pendugaan titik, pendugaan selang dan statistik cukup. Pendugaan kemungkinan maksimum dan ragam minimum. Teori uji hipotesis; kaedah Neyman-Pearson, uji paling kuasa, uji nisbah kemungkinan, dan uji khi kuadarat. Uji sekuensial. Dasar-dasar teori keputusan. Barizi STK 511 Analisis Statistika 3(2-2) 1 Asas-asas perancangan percobaan, percobaan faktorial, beberapa rancangan baku, analisis ragam, analisis peragam dan perbandingan antar perlakuan. Pembahasan tentang asumsi-asumsi dasar dari analisis ragam. Regresi linier sederhana dan korelasi antar peubah. Regresi linier berganda. Uji khi-kuadrat dan analisis data kategorik. Staf STK 521 Metode Penarikan Contoh 3(2-2) 2 Pengembangan beberapa konsep teori statistika dalam perancangan dan analisis data hasil survey. Penarikan contoh acak sederhana, pendugaan nisbah dan regresi, penarikan contoh acak sistematik, penarikan contoh stratifikasi, penarikan contoh gerombol, penarikan contoh berpeluang tak sama, penarikan contoh dua tahap, dan penarikan contoh tak berpeluang. Budi Susetyo STK 522 Simulasi Statistik 3(2-2) 1-4 Konsep dasar simulasi, pembangkitan peubah acak seragam dan tak seragam baik diskret maupun kontinu dengan beberapa metode pembangkitan, penerapan simulasi dalam Statistika dan beberapa bidang terapan. Erfiani STK 531 Analisis Regresi Terapan 3(2-2) 2 Konsep hubungan antar peubah, hubungan linier antar dua peubah, model regresi linier sederhana & berganda, diagnostik model resgresi, penanganan penyimpangan asumsi (transformasi, regresi terbobot, regresi komponen utama, regresi gulud), uji penyimpangan model, pengujian model (termasuk general linier hypothesis), uji sekuensial, uji parsial, regresi polinomial, regresi dengan peubah boneka, dan prosedur-prosedur pemilihan model regresi terbaik, regresi dengan respons biner, analisis jalur, regresi non linier, dan pengenalan regresi non parameterik. Ahmad Ansori Mattjik Hari Wijayanto Katalog 2012

5 STK 532 Statistika Spasial 3(2-2) 1-4 Peubah regional dan fungsi peubah acak. Variogram dan fungsi kovarian. Isotropik dan Anisotropik. Kriging. Model linier regionalisasi dan aspek-aspeknya. Geostatistik peubah ganda. Muhamad Nur Aidi STK 571 Komputasi Statistik 3(2-2) 1 Telaah terhadap program paket statistik (SAS dan MINITAB). Pengorganisasian dan analisis data. Penarikan contoh berbasis komputer dan simulasi. Pemrograman untuk implementasi beberapa algoritme. Aji Hamim Wigena STK 621 Perancangan Percobaan 3(2-2) 3 Konsep dasar perancangan percobaan, penerapan linier, pengacakan, pengendalian keragaman, dan penggunaan peubah penyerta. Perumusan dan analisis untuk beberapa rancangan baku. Rancangan petak-terbagi, rancangan kelompok tak-lengkap, rancangan faktorial tak-lengkap dan percobaan dengan pengukuran berulang. Budi Susetyo I Made Sumertajaya STK 631 Model Linear 3(3-0) 3 Teori jumlah kuadrat terkecil dan hipotesis linier umum. Sebaran fungsifungsi linier dan kuadratik vektor-vektor normal. Pendugaan dan pengujian hipotesis beberapa model linier. Model klasifikasi satu arah dan dua arah. Model dengan peubah penyerta. Model efek campuran dan pendugaan komponen ragam. STK 632 Analisis Peubah Ganda 3(2-2) 3 Sebaran peubah normal ganda dan sifat-sifatnya. Uji hipotesis dan selang kepercayaan bagi penduga parameter peubah normal ganda. Analisis ragam, peragam, dan regresi peubah ganda. Analisis komponen utama, analisis faktor dan metode klasifikasi (penggerombolan). Ilustrasi penerapan dalam beberapa bidang ilmu. I Made Sumertajaya Totong Martono STK 633 Analisis Data Lanjutan 3(2-2) 1-4 Pengantar terhadap teori baru dalam analisis statistika. Pemodelan, analisis eksploratif, pendugaan robust. Pendugaan fungsi kepekatan dan regresi nonparametrik. Pendugaan kemungkinan maksimum dan algoritme E-M. Metode umum untuk penilaian keragaman penduga: Jacknife dan Bootstrap. Katalog

6 Sekolah Pascasarjana Institut Pertanian Bogor STK 641 Analisis Komponen Ragam 3(2-2) 1-4 Mata kuliah ini menjelaskan konsep-konsep pendugaan ragam pada ANOVA baik untuk data seimbang (balanced data) maupun data tidak seimbang (unbalanced data), pendugaan dengan metode kemungkinan maksimum (MLE maximum likelihood estimation) dan metode kemungkinan maksimum terkendala (RMLE restricted maximum likelihood estimation). Ahmad Ansori Mattjik STK 642 Analisis Daya Tahan 3(2-2) 1-4 Beberapa sebaran waktu kegagalan dan fungsi hazard; analisis parametrik contoh tunggal; metode nonparametrik contoh tunggal; pemodelan hazard; analisis dependensi parametrik penuh; model hazard proporsional; kovariat peubah waktu; fungsi daya tahan peubah ganda dua. STK 652 Psikometrika 3(2-2) 1-4 Classical Test Theory. The New Rules of Measurement. Item Response Theory. Ability and Item Parameter Estimation. Generating Data and Computer Practices. Fitting Model-data and Information Function. Differential Item Functioning. Test Equating. Computerized Adaptive Testing. Polytomous Model. Multidimensional Model. Generating Data and Computer Practices. Bastari STK 701 Teori Sukatan 3(3-0) 1 Ukuran luar dan ukuran dalam. Ukuran Lebesgue, kelengkapan dan regularitas, kelas Dynkin; fungsi terukur dan sifat-sifatnya, integral, fungsi terintegral, keujudan integral, sifat pokok, barisan fungsi integral, teorema-teorema limit, integral Reimann; jenis-jenis kekonvergenan, ruang bernorma, ruang L p dan dualnya; ukuran produk, teorema Fubini dan aplikasinya. I Gusti Putu Purnaba STK 702 Teori Peluang Lanjutan 3(3-0) 1 Ruang peluang, ukuran peluang dan pengertian fungsi terukur. Integral dan turunan Radon-Nikodym. Peubah acak dan fungsi sebarannya. Nilai harapan, momen dan fungsi pembangkit momen. Sebaran bersyarat, nilai harapan bersyarat dan konsep kebebasan. Kekonvergenan barisan peubah acak: konvergen dalam peluang, konvergen hampir pasti dan lemma Borel-Cantelli, kekonvergenan momen dan keintegralan seragam. Hukum lemah bilangan besar, hukum kuat bilangan besar dan teorema limit pusat. Beberapa contoh penerapan konsep tersebut dalam penelitian. I Wayan Mangku Katalog 2012

7 STK 703 Teori Statistika Madya 3(3-0) 2 Teorema-teorema limit: jenis-jenis kekonvergenan, hukum bilangan besar, limit fungsi pembangkit momen, teorema limit pusat. Teori pendugaan titik: sifatsifat, penduga tak bias, metode momen, metode kemungkinan maksimum, metode Bayes dan minimaks, statistik cukup minimal. Teori Neyman-Pearson untuk uji hipotesis. Uji rasio kemungkinan (likelihood ratio test), uji khi-kuadrat, uji t, uji F, prosedur Bayes dan Minimaks. Pendugaan kepercayaan: landasan teori, interval kepercayaan terpendek, interval kepercayaan tak bias, interval kepercayaan dengan metode Bayes. Inferensia statistik sekuensial: landasan teori, contoh sekuensial, pendugaan tak bias sekuensial, pendugaan sekuensial terhadap rataan dari populasi yang menyebar normal, uji rasio peluang sekuensial dan sifatsifatnya. I Wayan Mangku I Gusti Putu Purnaba STK 721 Rancangan Percobaan Lanjutan 3(3-0) 3 Experimental design models. Analysis of covariance. Estimation and testing in a general Gauss-Markov model. Mixed model and variance components. Nonparametric experimental design. Analysis of messy data. Advance topics in analysis of incomplete block design; confounding and change-over design; data collected in several places and time; principles and design construction. Ahmad Ansori Mattjik STK 731 Model Linear Terampat 3(2-2) 3 Pendahuluan, kerangka dari model linier terampat, model dari data kontinu dengan ragam konstan, model untuk data biner, model untuk data politomus, model log-linier, metode kemungkinan bersyarat, model dengan koefisien keragaman konstan. STK 791 Topik Khusus Statistika 3(2-2) 2 Mengkaji beberapa topik aktual yang dipublikasikan dalam jurnal statistika terkemuka sehingga peserta dapat mengetahui perkembangan mutakhir dari teori dan metode statistika. Pengkajian diarahkan untuk menghasikan makalah yang dapat dipresentasikan pada forum ilmiah baik tingkat lokal, nasional, maupun internasional. Makalah tersebut selanjutnya diharapkan dipublikasikan dalam jurnal ilmiah bermutu. Katalog

RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM DOKTOR STATISTIKA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2 0 1 2 I. Deskripsi

Lebih terperinci

RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM MAGISTER STATISTIKA TERAPAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2 0 1

Lebih terperinci

RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM MASTER STATISTIKA TERAPAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2 0 1 2 I.

Lebih terperinci

METODE PREDIKSI TAK-BIAS LINEAR TERBAIK DAN BAYES BERHIRARKI UNTUK PENDUGAAN AREA KECIL BERDASARKAN MODEL STATE SPACE KUSMAN SADIK

METODE PREDIKSI TAK-BIAS LINEAR TERBAIK DAN BAYES BERHIRARKI UNTUK PENDUGAAN AREA KECIL BERDASARKAN MODEL STATE SPACE KUSMAN SADIK METODE PREDIKSI TAK-BIAS LINEAR TERBAIK DAN BAYES BERHIRARKI UNTUK PENDUGAAN AREA KECIL BERDASARKAN MODEL STATE SPACE KUSMAN SADIK SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2009 PERNYATAAN MENGENAI

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu

Lebih terperinci

Masalah Overdispersi dalam Model Regresi Logistik Multinomial

Masalah Overdispersi dalam Model Regresi Logistik Multinomial Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan

Lebih terperinci

Sem 7-4. Garis Besar Rencana Pembelajaran (GBRP)

Sem 7-4. Garis Besar Rencana Pembelajaran (GBRP) Sem 7-. Garis Besar Rencana Pembelajaran (GBRP) Nama Matakuliah Kode MK/SKS Semester Mata Kuliah Prasyarat : Pemodelan Statistika : H0/SKS : Awal/7 (Tahun IV) : Metode Statistika, Teori Peluang, Ilmu Stokastik,

Lebih terperinci

ILMU MANAJEMEN. Ketua Program Studi/Koordinator Mayor: Abdul Kohar Irwanto

ILMU MANAJEMEN. Ketua Program Studi/Koordinator Mayor: Abdul Kohar Irwanto ILMU MANAJEMEN Ketua Program Studi/Koordinator Mayor: Abdul Kohar Irwanto Staf Pengajar: Abdul Basith Heti Mulyati Pramono D. Fewidarto Abdul Kohar Irwanto Jono Mintarto Munandar R. Dikky Indrawan Aida

Lebih terperinci

II. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E

II. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E 5 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Peluang Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E adalah himpunan bagian dari ruang sampel. Peluang suatu kejadian P(E) adalah

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 3 BAB 2 TINJAUAN PUSTAKA 2.1 Proses Poisson Periodik Definisi 2.1 (Proses stokastik) Proses stokastik adalah suatu himpunan dari peubah acak yang memetakan suatu ruang contoh ke suatu ruang state. Jika

Lebih terperinci

PROGRAM STUDI PENDIDIKAN MATEMATIKA PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA

PROGRAM STUDI PENDIDIKAN MATEMATIKA PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA PROGRAM STUDI PENDIDIKAN MATEMATIKA PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA I. VISI, MISI, TUJUAN DAN SASARAN Program Studi Pendidikan Matematika (selanjutnya disebut Prodi Pendidikan Matematika)

Lebih terperinci

PEMBANDIIQGAN BEBERAPA MODEL NONLINEAR DALAM HUBUNGAN PARASITOID - IHANG

PEMBANDIIQGAN BEBERAPA MODEL NONLINEAR DALAM HUBUNGAN PARASITOID - IHANG PEMBANDIIQGAN BEBERAPA MODEL NONLINEAR DALAM HUBUNGAN PARASITOID - IHANG Oleh B. BUNAWAN SUNARLIM 89088 PROGRAM PASCA SARJANA INSTITUT PERTAflIAW BOGOR 1991: RINGKASAN B. BUNAWAN SUNARLIM. Pembandingan

Lebih terperinci

Program Studi Teknologi Hasil Perairan (S2)

Program Studi Teknologi Hasil Perairan (S2) Tabel 4. Parameter Diskripsi Program Studi Teknologi Hasil Perairan (S2) Unsur-Unsur Deskripsi Deskripsi Generik Learning Outcome Kemampuan di Bidang Kerja Mampu melakukan Kemampuan di bidang kerja terkait

Lebih terperinci

TEKNIK SIPIL DAN LINGKUNGAN

TEKNIK SIPIL DAN LINGKUNGAN Meraih masa depan berkualitas bersama Sekolah Pascasarjana IPB TEKNIK SIPIL DAN LINGKUNGAN Ketua Program Studi/Koordinator Mayor: Staf Pengajar:, Prof, Dr, MS, Ir, Dr, MSc, Ir Budi Indra Setiawan, Prof,

Lebih terperinci

SATUAN ACUAN PERKULIAHAN MATA KULIAH : STATISTIK & PROBABILITAS KODE : TIK1010 / SKS : 3 SKS

SATUAN ACUAN PERKULIAHAN MATA KULIAH : STATISTIK & PROBABILITAS KODE : TIK1010 / SKS : 3 SKS SATUAN ACUAN PERKULIAHAN MATA KULIAH : KODE : TIK1010 / SKS : 3 SKS SEMESTER : III / GANJIL WAKTU : 150 Menit JUMLAH PERTEMUAN : 16 x pertemuan (14 x materi kuliah, 2 x Ujian (UTS dan UAS)) 1 ANALISIS

Lebih terperinci

KONSEP DASAR TERKAIT METODE BAYES

KONSEP DASAR TERKAIT METODE BAYES KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Proses Poisson Periodik Definisi 2.1 (Proses stokastik) Proses stokastik, adalah suatu himpunan dari peubah acak yang memetakan suatu ruang contoh Ω ke suatu ruang states. Jadi,

Lebih terperinci

BAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur

BAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika

Lebih terperinci

DATA DAN METODE Sumber Data

DATA DAN METODE Sumber Data 14 DATA DAN METODE Sumber Data Data yang digunakan dalam penelitian ini adalah data hasil simulasi dan data dari paket Mclust ver 3.4.8. Data simulasi dibuat dalam dua jumlah amatan yaitu 50 dan 150. Tujuan

Lebih terperinci

STK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT 2016

STK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT 2016 STK 211 Metode statistika Pengajar : Dr. Agus Mohamad Soleh, SSi, MT 2016 http://www.stat.ipb.ac.id/ Pengantar Kode Matakuliah: STK211, 3(2-3) Tujuan Instruksional Umum: Setelah mengikuti mata kuliah ini

Lebih terperinci

II. TINJAUAN PUSTAKA. dengan kendala menjadi model penuh tanpa kendala,

II. TINJAUAN PUSTAKA. dengan kendala menjadi model penuh tanpa kendala, 4 II. TINJAUAN PUSTAKA Dalam penelitian ini akan didiskusikan tentang transformasi model tak penuh dengan kendala menjadi model penuh tanpa kendala, pendugaan parameter, pengujian hipotesis dan selang

Lebih terperinci

STK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS

STK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS STK 211 Metode statistika Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS http://www.stat.ipb.ac.id/ 2017 Pengantar Kode Matakuliah: STK211, 3(2-3) Standar Kompetensi: Setelah mengikuti

Lebih terperinci

ILMU KELUARGA DAN PERKEMBANGAN ANAK

ILMU KELUARGA DAN PERKEMBANGAN ANAK Meraih masa depan berkualitas bersama Sekolah Pascasarjana IPB ILMU KELUARGA DAN PERKEMBANGAN ANAK Ketua Program Studi/Koordinator Mayor: Dr. Ir. Herien Puspitawati, M.Sc., M.Sc Staf Pengajar: Prof. Dr.

Lebih terperinci

MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO

MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 RINGKASAN MAGRI HANDOKO. Manajemen

Lebih terperinci

ILMU DAN TEKNOLOGI BENIH

ILMU DAN TEKNOLOGI BENIH ILMU DAN TEKNOLOGI BENIH Koordinator Mayor : Staf Pengajar : Eny Widajati Asep Setiawan Faiza Chaerani Suwarno Sjamsoe'oed Sadjad* Baran Wirawan Maryati Sari Tatiek Kartika Suharsi Endah Retno Palupi M.

Lebih terperinci

SILABUS DAN SAP MATA KULIAH STATISTIKA TERAPAN (AGT6224) BOBOT: 3 (2/1) SKS SIFAT: WAJIB SEMESTER GENAP (SMT III)

SILABUS DAN SAP MATA KULIAH STATISTIKA TERAPAN (AGT6224) BOBOT: 3 (2/1) SKS SIFAT: WAJIB SEMESTER GENAP (SMT III) 1 SILABUS DAN SAP MATA KULIAH STATISTIKA TERAPAN (AGT6224) BOBOT: 3 (2/1) SKS SIFAT: WAJIB SEMESTER GENAP (SMT III) PROGRAM STUDI AGROTEKNOLOGI FAKULTAS PERTANIAN UNIVERSITAS HALU OLEO TAHUN AJARAN 2014/2015

Lebih terperinci

SILABUS DAN SAP MATA KULIAH PERANCANGAN PERCOBAAN (AGT6328) BOBOT: 3 (2/1) SKS SIFAT: WAJIB SEMESTER GANJIL (SMT V)

SILABUS DAN SAP MATA KULIAH PERANCANGAN PERCOBAAN (AGT6328) BOBOT: 3 (2/1) SKS SIFAT: WAJIB SEMESTER GANJIL (SMT V) 1 SILABUS DAN SAP MATA KULIAH PERANCANGAN PERCOBAAN (AGT6328) BOBOT: 3 (2/1) SKS SIFAT: WAJIB SEMESTER GANJIL (SMT V) PROGRAM STUDI AGROTEKNOLOGI FAKULTAS PERTANIAN UNIVERSITAS HALU OLEO TAHUN AJARAN 2014/2015

Lebih terperinci

Perancangan Percobaan

Perancangan Percobaan Fakultas/Prodi Mata Kuliah/Kode : MIPA/Statistika Semester / SKS : Genap/ 3(2-2) Deskripsi Mata Kuliah Standar Kompetensi Mata Kuliah Prasyarat : Pe Percobaan/STK222 Pe Percobaan : Mata kuliah pe membahas

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 21 Beberapa Pengertian Definisi 1 [Ruang Contoh] Ruang contoh adalah himpunan semua hasil yang mungkin dari suatu percobaan acak, dan dinotasikan dengan (Grimmet dan Stirzaker,1992)

Lebih terperinci

I. PENDAHULUAN. merangkum, dan mempresentasikan data dengan cara informatif. Sedangkan

I. PENDAHULUAN. merangkum, dan mempresentasikan data dengan cara informatif. Sedangkan I. PENDAHULUAN 1.1 Latar Belakang Statistika merupakan ilmu tentang pengumpulan, pengaturan, analisis, dan pendugaan data untuk membantu proses pengambilan keputusan secara lebih efisien. Ilmu statistika

Lebih terperinci

Kegiatan Belajar 1 menerangkan konsep chi square. Kegiatan Belajar 2 menerangkan uji kepatutan (goodness of fit). Kegiatan Belajar 3 menerangkan tes

Kegiatan Belajar 1 menerangkan konsep chi square. Kegiatan Belajar 2 menerangkan uji kepatutan (goodness of fit). Kegiatan Belajar 3 menerangkan tes ix S Tinjauan Mata Kuliah tatistika merupakan ilmu yang sangat diperlukan di segala bidang. Kegunaannya untuk memecahkan suatu permasalahan dengan menggunakan analisis kuantitatif. Dengan berkembangnya

Lebih terperinci

1. PENDAHULUAN 1.1. Latar Belakang

1. PENDAHULUAN 1.1. Latar Belakang 1 1. PENDAHULUAN 1.1. Latar Belakang Dalam bidang biomedis seringkali ada kebutuhan untuk menganalisis hubungan antara peubah penjelas yang pengukurannya dilakukan secara berulang antar waktu (kovariat

Lebih terperinci

BAB IV REDUKSI BIAS PADA PENDUGAAN

BAB IV REDUKSI BIAS PADA PENDUGAAN BAB IV REDUKSI BIAS PADA PENDUGAAN 4.1. Asimtotik Orde-2 Berdasarkan hasil simulasi pada Helmers dan Mangku (2007) kasus kernel seragam, aproksimasi asimtotik orde pertama pada ragam dan bias, gagal memprediksikan

Lebih terperinci

PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN

PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang 1 \ BAB I PENDAHULUAN 1.1 Latar Belakang Informasi-informasi faktual yang diperoleh berdasarkan hasil observasi maupun penelitian sangatlah beragam. Informasi yang dirangkum sedemikian rupa disebut dengan

Lebih terperinci

ILMU GIZI MASYARAKAT

ILMU GIZI MASYARAKAT ILMU GIZI MASYARAKAT Ketua Program Studi/Koordinator Mayor: Hadi Riyadi Staf Pengajar: Ahmad Sulaiman Hadi Riyadi Rimbawan Ali Khomsan Hardinsyah Siti Madanijah Amini Nasoetion * Hidayat Syarief Soekirman

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan

Lebih terperinci

SILABUS MATA KULIAH. Tujuan

SILABUS MATA KULIAH. Tujuan SILABUS MATA KULIAH NAMA MATAKULIAH KODE MATAKULIAH KREDIT/SKS SEMESTER DESKRIPSI TUJUAN UMUM PERKULIAHAN Matematika Ekonomi EKO 500 3 (3-0) 1 Kuliah ini terdiri dari tiga bagian pokok, yakni aljabar matriks,

Lebih terperinci

MATA KULIAH SEMESTER GANJIL

MATA KULIAH SEMESTER GANJIL N O MATA KULIAH SEMESTER KODE MATA KULIAH Distribusi Mata Kuliah Ganjil dan Genap Program Studi S1 Matematika Jur. Matematika FMIPA UB (KURIKULUM LAMA 2011 DAN KURIKULUM BARU 2015) KURIKULUM 2015 KETERANGAN

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) MUG1A4 KALKULUS 1 Disusun oleh: Jondri, M.Si. PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Semester (RPS) ini

Lebih terperinci

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing

Lebih terperinci

BAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier

BAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah

Lebih terperinci

Dokumen Kurikulum Program Studi : Teknik Industri Lampiran II

Dokumen Kurikulum Program Studi : Teknik Industri Lampiran II Dokumen Kurikulum 2013-2018 Program Studi : Teknik Lampiran II Fakultas : Teknologi Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung Kode Dokumen Total Halaman Kur2013-S1-TI

Lebih terperinci

STATISTIKA I. Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum:

STATISTIKA I. Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum: STATISTIKA I Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum: Setelah mengikuti mata kuliah ini selama satu semester, mahasiswa akan dapat

Lebih terperinci

Learning Outcomes Program Master (S2) PS Entomologi, Departemen Proteksi Tanaman, Faperta, IPB

Learning Outcomes Program Master (S2) PS Entomologi, Departemen Proteksi Tanaman, Faperta, IPB Learning Outcomes Program Master (S2) PS Entomologi, Departemen Proteksi Tanaman, Faperta, IPB Kompetensi PS Entomologi S2: Setelah menyelesaikan program studi Entomologi, lulusan mampu mengembangkan bidang

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan kemajuan ilmu pengetahuan dan teknologi mendorong masyarakat untuk semakin memperlihatkan derajat kesehatan demi peningkatan kualitas hidup yang lebih

Lebih terperinci

ILMU KETEKNIKAN PERTANIAN

ILMU KETEKNIKAN PERTANIAN ILMU KETEKNIKAN PERTANIAN Ketua Program Studi/Koordinator Mayor: Staf Pengajar: Prof.Dr.Ir. Armansyah Halomoan Tambunan, M.Agr Prof.Dr.Ir. Bambang Pramudya, M.Eng Prof.Dr.Ir. Herry Suhardiyanto, M.Sc Prof.Dr.Ir.

Lebih terperinci

MITIGASI BENCANA KERUSAKAN LAHAN

MITIGASI BENCANA KERUSAKAN LAHAN Meraih masa depan berkualitas bersama Sekolah Pascasarjana IPB MITIGASI BENCANA KERUSAKAN LAHAN Ketua Program Studi / Koordinator Mayor: Baba Barus, Dr Staf Pengajar : Atang Sutandi, Dr Baba Barus, Dr

Lebih terperinci

PENDUGAAN TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK SYAMSURI

PENDUGAAN TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK SYAMSURI PENDUGAAN TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK SYAMSURI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Lebih terperinci

Analisis Instruksional (AI) dan Silabus. MAT100 Pengantar Matematika. Program Studi S-1 Matematika Departemen Matematika Institut Pertanian Bogor

Analisis Instruksional (AI) dan Silabus. MAT100 Pengantar Matematika. Program Studi S-1 Matematika Departemen Matematika Institut Pertanian Bogor Analisis Instruksional (AI) dan Silabus MAT100 Pengantar Matematika Program Studi S-1 Matematika Departemen Matematika Institut Pertanian Bogor ANALISIS INSTRUKSIONAL (AI) DAN SILABUS MATA KULIAH MAT100

Lebih terperinci

BAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang

BAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang BAB II KAJIAN TEORI BAB II KAJIAN TEORI A. Analisis Survival Analisis survival atau analisis ketahanan hidup adalah metode yang berhubungan dengan jangka waktu, dari awal pengamatan sampai suatu kejadian

Lebih terperinci

Kelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika

Kelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika 4 Kelas 2 Kelas 1 N3 N4 N3 N4 Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika BAHAN DAN METODE Bahan Data yang digunakan adalah data nilai capaian mahasiswa dalam

Lebih terperinci

PREDIKSI TERBAIK EMPIRIK UNTUK MODEL TRANSFORMASI LOGARITMA DI DALAM PENDUGAAN AREA KECIL DENGAN PENERAPAN PADA DATA SUSENAS ANANG KURNIA

PREDIKSI TERBAIK EMPIRIK UNTUK MODEL TRANSFORMASI LOGARITMA DI DALAM PENDUGAAN AREA KECIL DENGAN PENERAPAN PADA DATA SUSENAS ANANG KURNIA PREDIKSI TERBAIK EMPIRIK UNTUK MODEL TRANSFORMASI LOGARITMA DI DALAM PENDUGAAN AREA KECIL DENGAN PENERAPAN PADA DATA SUSENAS ANANG KURNIA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2009 PERNYATAAAN

Lebih terperinci

PENGELOLAAN DAERAH ALIRAN SUNGAI

PENGELOLAAN DAERAH ALIRAN SUNGAI Meraih masa depan berkualitas bersama Sekolah Pascasarjana IPB PENGELOLAAN DAERAH ALIRAN SUNGAI Kurikulum Program Magister Sains Kode Mata Kuliah SKS Semester Mata Kuliah Wajib SPs (6 SKS) PPS 500 Bahasa

Lebih terperinci

SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT RO FAH NUR RACHMAWATI

SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT RO FAH NUR RACHMAWATI SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT RO FAH NUR RACHMAWATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam bab ini akan dibahas beberapa konsep dasar, definisi-definisi serta teorema

II. TINJAUAN PUSTAKA. Dalam bab ini akan dibahas beberapa konsep dasar, definisi-definisi serta teorema II. TINJAUAN PUSTAKA Dalam bab ini akan dibahas beberapa konsep dasar, definisi-definisi serta teorema yang berkaitan dalam hal pendugaan parameter pada model linier campuran ini, yaitu sebagai berikut

Lebih terperinci

PEMILIHAN PEUBAH BEBAS UNTUK DATA YANG MENGANDUNG PENCILAN DENGAN MENGGUNAKAN KRITERIA

PEMILIHAN PEUBAH BEBAS UNTUK DATA YANG MENGANDUNG PENCILAN DENGAN MENGGUNAKAN KRITERIA PEMILIHAN PEUBAH BEBAS UNTUK DATA YANG MENGANDUNG PENCILAN DENGAN MENGGUNAKAN KRITERIA Cp, RCp DAN RTp Olen: Harl11i Sugiarti 96140/STK PROGRAM PASCASARJANA INSTITUT PERT ANIAN BOGOR 1999 RINGKASAN HARMI

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI 17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga

Lebih terperinci

MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER

MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER Etis Sunandi 1), Khairil A Notodiputro 2), Anik Djuraidah 2) 1) Jurusan Matematika FMIPA Universitas Bengkulu 2) Jurusan Statistika,

Lebih terperinci

BAB 1 PENDAHULUAN. awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa

BAB 1 PENDAHULUAN. awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengolahan informasi statistik mempunyai sejarah jauh ke belakang sejak awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa mengumpulkan data statistik

Lebih terperinci

PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA

PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati

Lebih terperinci

ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER

ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH KALKULUS LANJUT A (S1 / TEKNIK INFORMATIKA ) KODE / SKS KD

SATUAN ACARA PERKULIAHAN MATA KULIAH KALKULUS LANJUT A (S1 / TEKNIK INFORMATIKA ) KODE / SKS KD SATUAN ACARA PERKULIAHAN MATA KULIAH KALKULUS LANJUT A (S1 / TEKNIK INFORMATIKA ) KODE / SKS KD-045315 Mingg u Ke Pokok Bahasan dan TIU Sub-pokok Bahasan dan Sasaran Belajar Cara Pengajaran Media Tugas

Lebih terperinci

SILABUS MATAKULIAH TEORI INTEGRAL (MAA 525)

SILABUS MATAKULIAH TEORI INTEGRAL (MAA 525) SILABUS MATAKULIAH TEORI INTEGRAL (MAA 525) JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UPI BANDUNG 200 A. IDENTITAS MATAKULIH. Nama Matakuliah : Teori Integral 2. Kode Matakuliah : MAA 525 3. Program : Pendidikan

Lebih terperinci

LANDASAN TEORI. Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan

LANDASAN TEORI. Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan II. LANDASAN TEORI Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan beberapa konsep dan teori yang mendukung dari ilmu statistika. Berikut akan dijelaskan beberapa konsep dan

Lebih terperinci

PENDUGAAN FUNGSI SEBARAN DALAM MODEL NONPARAMETRIK RONI WIJAYA

PENDUGAAN FUNGSI SEBARAN DALAM MODEL NONPARAMETRIK RONI WIJAYA PENDUGAAN FUNGSI SEBARAN DALAM MODEL NONPARAMETRIK RONI WIJAYA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER

Lebih terperinci

Laporan Studi Jadwal Kelas PROGRAM STUDI HARI JAM MULAI JAM SELESAI KELAS KODE MK NAMA MK RUANG JML PESERTA Matematika SENIN 07:30:00 09:15:00 A

Laporan Studi Jadwal Kelas PROGRAM STUDI HARI JAM MULAI JAM SELESAI KELAS KODE MK NAMA MK RUANG JML PESERTA Matematika SENIN 07:30:00 09:15:00 A Laporan Studi Jadwal Kelas PROGRAM STUDI HARI JAM MULAI JAM SELESAI KELAS KODE MK NAMA MK RUANG JML PESERTA Matematika SENIN 07:30:00 09:15:00 A MAM4722 PERANGKAT LUNAK MATEMATIKA lab A 24 Matematika SENIN

Lebih terperinci

HASIL DAN PEMBAHASAN. Tabel 2. Statistik skor mahasiswa UAS TPB IPB mata kuliah Fisika

HASIL DAN PEMBAHASAN. Tabel 2. Statistik skor mahasiswa UAS TPB IPB mata kuliah Fisika 6 c. Menghitung sebaran pilihan jawaban dan reliabilitas soal. 3. Penerapan teori respon butir dengan menggunakan model IRT 1PL, IRT 2PL, dan IRT 3PL. a. Pengujian asumsi model IRT b. Menghitung parameter

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI Bab 2 LANDASAN TEORI 2.1. Penaksiran Parameter Jika adalah nilai parameter populasi yang belum diketahui harganya, maka dapat ditaksir oleh nilai statistik, dan disebut sebagai penaksir atau fungsi keputusan.

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 5 BAB 2 TINJAUAN PUSTAKA 2.1 Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemenelemen yang disusun secara teratur menurut baris dan kolom berbentuk

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PENGAJARAN SILABUS MATA KULIAH

GARIS-GARIS BESAR PROGRAM PENGAJARAN SILABUS MATA KULIAH GARIS-GARIS BESAR PROGRAM PENGAJARAN SILABUS MATA KULIAH Nama Mata Kuliah Kode Mata Kuliah Kredit Semester Deskripsi : Ekonometrika I : EKO 508 : 3(3-0) :2 : Mata kuliah ini menjelaskan metodologi pemodelan

Lebih terperinci

PROGRAM DOKTOR MATEMATIKA

PROGRAM DOKTOR MATEMATIKA PROGRAM DOKTOR MATEMATIKA SILABUS DAN RENCANA PEMBELAJARAN SEMESTER UNIVERSITAS BRAWIJAYA 2016 UNIVERSITAS BRAWIJAYA MALANG MAM 8001 Filsafat Ilmu dan Metode Penelitian Kode dan MAM 8001 Filsafat Ilmu

Lebih terperinci

TINJAUAN PUSTAKA. (statistik) dinamakan galat baku statistik, yang dinotasikan dengan

TINJAUAN PUSTAKA. (statistik) dinamakan galat baku statistik, yang dinotasikan dengan TINJAUAN PUSTAKA Penduga Titik dan Selang Kepercayaan Penduga bagi parameter populasi ada dua jenis, yaitu penduga titik dan penduga selang atau disebut sebagai selang kepercayaan. Penduga titik dari suatu

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Analisis varians (ANOVA) pertama kali diperkenalkan oleh Sir Ronald Fisher. ANOVA merupakan generalisasi dari uji t, digunakan pada situasi saat peneliti ingin

Lebih terperinci

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. II. LANDASAN TEORI Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi gamma

Lebih terperinci

PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL

PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL Ro fah Nur Rachmawati Jurusan Matematika, Fakultas Sains dan Teknologi, Binus University Jl.

Lebih terperinci

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel 5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor

Lebih terperinci

No Kompetensi Khusus Pokok Bahasan Sub Pokok Bahasan Metode Media / Alat Mahasiswa mampu menjelaskan konsep Apa itu statistik?

No Kompetensi Khusus Pokok Bahasan Sub Pokok Bahasan Metode Media / Alat Mahasiswa mampu menjelaskan konsep Apa itu statistik? Mata Kuliah Kode/Bobot Deskripsi Singkat : GARIS BESAR PROGRAM PENGAJARAN (GBPP) : Statistika dan Probabilitas : TSP-203/ 2 SKS Mata kuliah ini membahas tentang konsep dasar statistika dan probabilitas.

Lebih terperinci

::Sekolah Pascasarjana IPB (Institut Pertanian Bogor)::

::Sekolah Pascasarjana IPB (Institut Pertanian Bogor):: Contributed by Administrator adalah program pendidikan strata 3 (S3) yang ditujukan untuk memperoleh gelar akademik doktor sebagai gelar akademik tertinggi. Berdasarkan Keputusan Menteri Pendidikan dan

Lebih terperinci

TEKNOLOGI HASIL PERAIRAN

TEKNOLOGI HASIL PERAIRAN Meraih masa depan berkualitas bersama Sekolah Pascasarjana IPB TEKNOLOGI HASIL PERAIRAN Ketua Program Studi/Koordinator Mayor: Dr. Tati Nurhayati, SPi, MSi Staf Pengajar: Dr. Ir. Agoes M. Jacoeb, Dipl-Biol.

Lebih terperinci

PROGRAM PASCASARJANA JNSTITUT PERTANIAN BOGOR

PROGRAM PASCASARJANA JNSTITUT PERTANIAN BOGOR RINGKASAN Nusar Hajarisman, 1998. Kajian Pei.ba~idingan Model Regresi Beta-Binomial dengan Model Regresi Logistik dan ~enera~)a'nn~a Untuk Menduga Pola Kelulusan Mahasiswa TPB-LPB. (Di bawah bimbiriga~i

Lebih terperinci

Kompetensi Lulusan, Learning Outcomes dan Kurikulum Program Studi Magister Teknologi Pangan Berdasarkan Kerangka Kualifikasi Nasional Indonesia

Kompetensi Lulusan, Learning Outcomes dan Kurikulum Program Studi Magister Teknologi Pangan Berdasarkan Kerangka Kualifikasi Nasional Indonesia Kompetensi Lulusan, Learning Outcomes dan Kurikulum Program Studi Magister Teknologi Pangan Berdasarkan Kerangka Kualifikasi Nasional Indonesia Departemen Ilmu dan Teknologi Pangan Fakultas Teknologi Pertanian

Lebih terperinci

ENTOMOLOGI. Ketua Program Studi / Koordinator Mayor: Staf Pengajar: Kompetensi Lulusan S2. Kompetensi Lulusan S3

ENTOMOLOGI. Ketua Program Studi / Koordinator Mayor: Staf Pengajar: Kompetensi Lulusan S2. Kompetensi Lulusan S3 Meraih masa depan berkualitas bersama Sekolah Pascasarjana IPB ENTOMOLOGI Ketua Program Studi / Koordinator Mayor: Pudjianto Staf Pengajar: Ali Nurmansyah Hermanu Triwidodo Sugeng Santoso Aunu Rauf Idham

Lebih terperinci

BAB 4 KEKONSISTENAN PENDUGA DARI FUNGSI SEBARAN DAN FUNGSI KEPEKATAN WAKTU TUNGGU DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT

BAB 4 KEKONSISTENAN PENDUGA DARI FUNGSI SEBARAN DAN FUNGSI KEPEKATAN WAKTU TUNGGU DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT 29 BAB 4 KEKONSISTENAN PENDUGA DARI FUNGSI SEBARAN DAN FUNGSI KEPEKATAN WAKTU TUNGGU DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT 4.1 Perumusan Penduga Misalkan adalah proses Poisson nonhomogen

Lebih terperinci

APROKSIMASI BOOTSTRAP PARAMETRIK PADA PENDUGAAN SELANG PREDIKSI STATISTIK AREA KECIL LA ODE ABDUL RAHMAN

APROKSIMASI BOOTSTRAP PARAMETRIK PADA PENDUGAAN SELANG PREDIKSI STATISTIK AREA KECIL LA ODE ABDUL RAHMAN APROKSIMASI BOOTSTRAP PARAMETRIK PADA PENDUGAAN SELANG PREDIKSI STATISTIK AREA KECIL LA ODE ABDUL RAHMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 SURAT PERNYATAAN MENGENAI TESIS DAN SUMBER

Lebih terperinci

44. Mata Pelajaran Matematika untuk Sekolah Menengah Atas (SMA)/ Madrasah Aliyah (MA)

44. Mata Pelajaran Matematika untuk Sekolah Menengah Atas (SMA)/ Madrasah Aliyah (MA) 44. Mata Pelajaran Matematika untuk Sekolah Menengah Atas (SMA)/ Madrasah Aliyah (MA) A. Latar Belakang Matematika merupakan ilmu universal yang mendasari perkembangan teknologi modern, mempunyai peran

Lebih terperinci

FITOPATOLOGI. Ketua Program Studi / Koordinator Mayor: Sri Hendrastuti Hidayat. Staf Pengajar: Tujuan Pendidikan. Kompetensi Lulusan S2

FITOPATOLOGI. Ketua Program Studi / Koordinator Mayor: Sri Hendrastuti Hidayat. Staf Pengajar: Tujuan Pendidikan. Kompetensi Lulusan S2 Meraih masa depan berkualitas bersama Sekolah Pascasarjana IPB FITOPATOLOGI Ketua Program Studi / Koordinator Mayor: Staf Pengajar: Abdjad Asih Nawangsih Abdul Muin Adnan Abdul Munif Bonny Poernomo Wahyu

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan

BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan suatu metode dalam statistik yang popular, karena banyak digunakan pada penelitian dalam berbagai bidang. Contoh dari penggunaan

Lebih terperinci

OTORISASI Pengembang RP Koordinator RMK Koordinator PRODI Moh. Januar Ismail B., S.Si., M.Si. Moh. Januar Ismail B., S.Si., M.Si.

OTORISASI Pengembang RP Koordinator RMK Koordinator PRODI Moh. Januar Ismail B., S.Si., M.Si. Moh. Januar Ismail B., S.Si., M.Si. INSTITUT TEKNOLOGI KALIMANTAN JURUSAN MATEMATIKA DAN TEKNOLOGI INFORMASI PROGRAM STUDI MATEMATIKA SILABUS MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMESTER Tgl Penyusunan Fungsi Peubah Kompleks MA 1222 Analisis

Lebih terperinci

BAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan,

BAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan, BAB II KAJIAN PUSTAKA Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan, pemrograman linear, metode simpleks, teorema dualitas, pemrograman nonlinear, persyaratan karush kuhn

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI AGROTEKNOLOGI UNIVERSITAS GUNADARMA

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI AGROTEKNOLOGI UNIVERSITAS GUNADARMA RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI AGROTEKNOLOGI UNIVERSITAS GUNADARMA Tanggal Penyusunan 29/01/2016 Tanggal revisi - Kode dan Nama MK KA064326 Perancangan Percobaan SKS dan Semester SKS 3 Semester

Lebih terperinci

BAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah

BAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang

Lebih terperinci

BAB III TRANSFORMASI MATRIKS DERET DIRICHLET HOLOMORFIK. A. Transformasi Matriks Mengawetkan Kekonvergenan

BAB III TRANSFORMASI MATRIKS DERET DIRICHLET HOLOMORFIK. A. Transformasi Matriks Mengawetkan Kekonvergenan BAB III TRANSFORMASI MATRIKS DERET DIRICHLET HOLOMORFIK A. Transformasi Matriks Mengawetkan Kekonvergenan Pada bagian A ini pembahasan dibagi menjadi dua bagian, yang pertama membahas mengenai transformasi

Lebih terperinci

ANALISIS KETAHANAN DAN APLIKASINYA UNTUK PEMODELAN INTERVAL KELAHIRAN ANAK PERTAMA HARNANTO

ANALISIS KETAHANAN DAN APLIKASINYA UNTUK PEMODELAN INTERVAL KELAHIRAN ANAK PERTAMA HARNANTO ANALISIS KETAHANAN DAN APLIKASINYA UNTUK PEMODELAN INTERVAL KELAHIRAN ANAK PERTAMA HARNANTO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan suatu metode yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan suatu metode yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel. Hubungan tersebut dapat dinyatakan dalam bentuk persamaan

Lebih terperinci

Kelompok Mata Kuliah : MKU Program Studi/Program : Pendidikan Teknik Elektro/S1 Status Mata Kuliah : Wajib. : Aip Saripudin, M.T.

Kelompok Mata Kuliah : MKU Program Studi/Program : Pendidikan Teknik Elektro/S1 Status Mata Kuliah : Wajib. : Aip Saripudin, M.T. DESKIPSI MATA KULIAH EL-121 Matematika Teknik I: S1, 3 SKS, Semester II Mata kuliah ini merupakan kuliah lanjut. Selesai mengikuti perkuliahan ini mahasiswa diharapkan mampu memahami konsep-konsep matematika

Lebih terperinci

09. Mata Pelajaran Matematika

09. Mata Pelajaran Matematika 09. Mata Pelajaran Matematika A. Latar Belakang Matematika merupakan ilmu universal yang mendasari perkembangan teknologi modern, mempunyai peran penting dalam berbagai disiplin dan mengembangkan daya

Lebih terperinci

Forum Statistika dan Komputasi, Oktober 2009 p : ISSN :

Forum Statistika dan Komputasi, Oktober 2009 p : ISSN : , Oktober 2009 p : 26-34 ISSN : 0853-8115 Vol 14 No.2 METODE PENDUGAAN MATRIKS RAGAM-PERAGAM DALAM ANALISIS REGRESI KOMPONEN UTAMA (RKU) (Variance-Covariance Matrix Estimation Method for Principal Component

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 5 BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan berikutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan

Lebih terperinci

KAJIAN MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY DAN APLIKASINYA PADA HARGA GABAH KERING PANEN T A M U R I H

KAJIAN MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY DAN APLIKASINYA PADA HARGA GABAH KERING PANEN T A M U R I H KAJIAN MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY DAN APLIKASINYA PADA HARGA GABAH KERING PANEN T A M U R I H SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI

Lebih terperinci