RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)
|
|
- Suryadi Muljana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM DOKTOR STATISTIKA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA
2 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 mengealuasi dan mengembangkan metodologi rancangan pengumpulan data yang efisien A.3. Memiliki kemampuan mengealuasi 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 C. Kemampuan Manajerial 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. 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.2. Memiliki kemampuan mengealuasi dan mengembangkan metodologi rancangan pengumpulan data yang efisien A.3. Memiliki kemampuan mengealuasi dan mengembangkan metodologi analisis data A.4. Memiliki kemampuan menerjemahkan hasil analisis sesuai dengan konteks yang Learning Outcomes (LO) a. Memiliki kemampuan kritis dalam mengidentifikasi permasalahan pengembangan keilmuan statistika b. Mampu berpikir kreatif dan inoatif dalam perumusan masalah pengembangan keilmuan statistika a. Mampu merumuskan tahapan pengembangan metodologi pengumpulan data yang tepat sesuai dengan permasalahan b. Mampu mengealuasi metodologi pengumpulan data yang dikembangkan a. Mampu merumuskan tahapan pengembangan metodologi analisis data yang tepat sesuai dengan permasalahan b. Mampu mengealuasi metodologi analisis data yang dikembangkan a. Mampu menarik kesimpulan secara sah dari hasil analisis yang dilakukan dan mengkaitkannya
3 Unsur-unsur Deskripsi dihadapi dan menyajikan hasil analisis dalam bentuk yang mudah dipahami B. 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. 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. Learning Outcomes (LO) dengan permasalahan yang dihadapi b. Mampu menyajikan hasil analisis secara informatif c. Mampu mengkomunikasikan hasil analisis data baik dalam bentuk laporan tertulis maupun pemaparan lisan menggunakan bahasa yang mudah dipahami oleh bidang ilmu lain 1. Memiliki pengetahuan statistika lanjut tentang metode pengumpulan data, komputasi statistik, dan analisis data, serta landasan teori yang kuat 2. Mampu menerapkan statistika di berbagai bidang terapan 1. Mampu memimpin dan bekerja dalam tim 2. Memiliki etika penerapan statistika yang baik 3. Memiliki sikap kritis dan terbuka dalam pengelolaan kegiatan penelitian
4 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 A.4.a A.4.b A.4.c B.1 B.2 C.1 C.2 C.3 PPS702 = Falsafah Sains STK701 = Teori Sukatan (Measure Theory) STK702 = Teori Peluang Lanjut STK703 = Teori Statistika Madya STK791 = Topik Khusus Statistika STK731 = Model Linear Terampat PPS701 = Kolokium PPS790 = Seminar PPS799 = Penelitian dan Disertasi STK633 = Analisis Data Lanjutan STK642 = Analisis Daya Tahan STK652 = Psikometrika V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V
5 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 A.4.b A.4.c B.1 B.2 C.1 C.2 C.3 STK702 = Teori Peluang Lanjut Konsep Dasar Peluang Peubah Acak Nilai Harapan Kekonergenan Barisan Peubah Acak Rantai Marko Proses Poisson Kajian Lanjut Proses Poisson Pendugaan Fungsi Intensitas Global pada Proses Poisson Periodik
6 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 : Mata Kuliah Prasyarat : Standar Kompetensi : 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, Kekonergenan Barisan Peubah Acak, Rantai Marko (Diskret), Proses Poisson, Pendugaan Fungsi Intensitas Global pada Proses Poisson Periodik dan Pendugaan Fungsi Intensitas Lokal pada Proses Poisson Periodik. Teori Statistika (STK501), Teori Statistika II (STK502) Setelah mengikuti matakuliah ini mahasiswa akan dapat menjelaskan: konsep-konsep teori peluang (Konsep Dasar Peluang, Peubah Acak, Nilai Harapan, Kekonergenan Barisan Peubah Acak, Rantai Marko dan Proses Poisson) dengan pendekatan teori ukuran (measure theory) dan contoh penggunaannya pada penelitian statistika. No. Kompetensi Standar Indikator Pengalaman Belajar (Model Pembelajaran) Materi Pokok (Materi Ajar) Alokasi Waktu (menit) Bahan / Sumber Belajar Penilaian 1. Setelah menyelesaikan topik ini, konsep dasar peluang 2. Setelah menyelesaikan topik ini, konsep peubah acak 3. Setelah menyelesaikan topik ini, Menjelaskan Aksioma Peluang Menjelaskan Ruang Peluang Diskret Menjelaskan Peluang Bersyarat Menjelaskan Kejadian Bebas Menjelaskan Peubah Acak Menjelaskan Vektor Acak Menjelaskan Kebebasan Peubah Acak Menjelaskan Ukuran Lebesgue- Stieltje Konsep Dasar Peluang 4 x 50 1,2,3 Tes Tertulis Essay Peubah Acak 4 x 50 1,2,3 Tes Tertulis Essay Nilai Harapan 5 x 50 1,2,3 Tes Tertulis Essay
7 No. Kompetensi Standar Indikator Pengalaman Belajar (Model Pembelajaran) Materi Pokok (Materi Ajar) Alokasi Waktu (menit) Bahan / Sumber Belajar Penilaian Konsep nilai harapan 4. Setelah menyelesaikan topik ini, kekonergenan Barisan peubah acak 5. Setelah menyelesaikan topik ini, konsep dan sifat-sifat Rantai Marko 6. Setelah menyelesaikan topik ini, konsep dan sifat-sifat Proses Poisson homogen Menjelaskan Integral Menjelaskan Nilai Harapan dan Momen Menjelaskan Kekonergenan dalam Peluang Menjelaskan Kekonergenan Lengkap Menjelaskan Kekonergenan Hampir Pasti Menjelaskan Kekonergenan dalam Sebaran Menjelaskan Pengertian Rantai Marko Menjelaskan Peluang Transisi n- step Menjelaskan Klasifikasi State Menjelaskan Rantai Marko dalam Steady State Menjelaskan Proses Pencacahan Menjelaskan Proses Poisson Menjelaskan Waktu antar kedatangan dan waktu tunggu Kekonergenan Barisan Peubah Acak 4 x 50 1,2,3 Tes Tertulis Essay Rantai Marko 4 x 50 4 Tes Tertulis Essay Proses Poisson 4 x 50 4 Tes Tertulis Essay 7. Setelah menyelesaikan topik ini, konsep UMVUE Menjelaskan Sebaran bersyarat waktu kedatangan Menjelaskan Sifat-sifat Lanjutan Proses Poisson Menjelaskan Proses Poisson nonhomogen Menjelaskan Proses Poisson Majemuk Menjelaskan Proses Poisson Periodik Kajian Lanjut Proses Poisson 4 x 50 4 Tes Tertulis Essay
8 No. Kompetensi Standar Indikator Pengalaman Belajar (Model Pembelajaran) Materi Pokok (Materi Ajar) Alokasi Waktu (menit) Bahan / Sumber Belajar Penilaian 8. Setelah menyelesaikan topik ini, konsep pendugaan Fungsi intensitas global pada Proses Poisson periodik Menjelaskan Perumusan Penduga Menjelaskan Kekonsistenan Penduga Menjelaskan Sebaran Asimtotik Penduga Pendugaan Fungsi Intensitas Global pada Proses Poisson Periodik 5 x 50 4 Tes Tertulis Essay 9. Setelah menyelesaikan topik ini, konsep pendugaan Fungsi intensitas lokal pada Proses Poisson periodik Menjelaskan Perumusan Penduga Menjelaskan Kekonsistenan Penduga Menjelaskan Sifat-sifat Statistik Penduga Menjelaskan Sebaran Asimtotik Penduga Pendugaan Fungsi Intensitas Lokal pada Proses Poisson Periodik 8 x 50 4 Tes Tertulis Essay Pustaka: 1. Ash, R. B Probability and Measure Theory. Second Edition. Academic Press, New York. 2. Billingsley, P Probability and Measure. Third Edition. John Wiley & Sons, New York. 3. Chung, K. L A Course in Probability Theory. Third Edition. Academic Press, New York. 4. Ross, S. M Stochastic Processes. Second Edition. John Wiley & Sons, New York.
9 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 A.4.b A.4.c B.1 B.2 C.1 C.2 C.3 STK703 = Teori Statistika Madya Reiew konsep-konsep penting teori peluang Populasi, sampel dan model Statistik, kecukupan dan kelengkapan Teori keputusan statistika Inferensia statistika Kriteria dan inferensia UMVUE LSE pada model linear Pendugaan tak bias pada masalah surei Penduga-penduga tak bias Keputusan dan penduga Bayes Minimaxity dan admissibility Metode kemungkinan maksimum Pendugaan efisien
10 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 : Mata Kuliah Prasyarat : Standar Kompetensi : 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. (ii) Pendugaan tak Bias, yang meliputi topik: UMVUE, LSE pada model linear, penduga tak bias pada masalah surei, penduga tak bias. (iii) Pendugaan pada Model Parametrik, yang meliputi topik: keputusan dan penduga Bayes, minimaxity dan admissibility, metode kemungkinan maksimum, pendugaan efisien. Teori Statistika (STK501), Teori Statistika II (STK502) 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. (ii) Pendugaan tak Bias, yang meliputi topik: UMVUE, LSE pada model linear, penduga tak bias pada masalah surei, penduga tak bias. (iii) Pendugaan pada Model Parametrik, yang meliputi topik: keputusan dan penduga Bayes, minimaxity dan admissibility, metode kemungkinan maksimum, pendugaan efisien. No. Kompetensi Standar Indikator Pengalaman Belajar (Model Pembelajaran) Materi Pokok (Materi Ajar) Alokasi Waktu (menit) Bahan / Sumber Belajar Penilaian 1. Setelah menyelesaikan topik ini, konsep-konsep penting teori peluang 2. Setelah menyelesaikan topik ini, konsep populasi, sampel dan model Menjelaskan konsep-konsep penting teori peluang Menjelaskan Populasi dan sampel Menjelaskan Model parametrik dan nonparametrik Menjelaskan Keluarga Reiew konsepkonsep penting teori peluang Populasi, sampel dan model
11 No. Kompetensi Standar Indikator Pengalaman Belajar (Model Pembelajaran) Materi Pokok (Materi Ajar) Alokasi Waktu (menit) Bahan / Sumber Belajar Penilaian 3. Setelah menyelesaikan topik ini, konsep statistik, kecukupan dan kelengkapan 4. Setelah menyelesaikan topik ini, konsep teori keputusan statistika 5. Setelah menyelesaikan topik ini, konsep inferensia statistika 6. Setelah menyelesaikan topik ini, konsep kriteria dan inferensia 7. Setelah menyelesaikan topik ini, konsep UMVUE 8. Setelah menyelesaikan topik ini, konsep LSE pada model linear 9. Setelah menyelesaikan topik ini, konsep pendugaan tak bias pada masalah surei 10 Setelah menyelesaikan topik ini, eksponensial dan skala-lokasi 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 Menjelaskan Inferensia Menjelaskan Statistik cukup dan lengkap Menjelaskan Syarat perlu dan cukup, ketaksamaan informasi Menjelaskan Sifat-sifat UMVUE Menjelaskan LSE dan keterdugaan Menjelaskan UMVUE dan BLUE Menjelaskan Kekekaran dan sifatsifat LSE Menjelaskan UMVUE untuk total populasi Menjelaskan Penduga Horitz- Thompson Menjelaskan Fungsi dari penduga tak bias Statistik, kecukupan dan kelengkapan Teori keputusan statistika Inferensia statistika Kriteria dan inferensia UMVUE LSE pada model linear Pendugaan tak bias pada masalah surei Penduga-penduga tak bias
12 No. Kompetensi Standar Indikator Pengalaman Belajar (Model Pembelajaran) Materi Pokok (Materi Ajar) Alokasi Waktu (menit) Bahan / Sumber Belajar Penilaian konsep penduga-penduga tak bias 11 Setelah menyelesaikan topik ini, konsep keputusan dan penduga Bayes 12 Setelah menyelesaikan topik ini, konsep Minimaxity dan admissibility 13 Setelah menyelesaikan topik ini, mahasiswa mampu m enjelaskan metode kemungkinan maksimum (MLE) 14 Setelah menyelesaikan topik ini, konsep pendugaan efisien 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 Menjelaskan Keefisienan dari MLE dan RLE Menjelaskan Penduga efisien lainnya Keputusan dan penduga Bayes Minimaxity dan admissibility Metode kemungkinan Maksimum Pendugaan efisien Pustaka: 1. Shao, Y Mathematical Statistics. Second Edition. Springer, New York.
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 terperinciRANCANGAN 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 terperinciBAB 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 terperinciSTATISTIKA. Ketua Program Studi/Koordinator Mayor: Program Doktor: Aji Hamim Wigena Program Magister Sains: Erfiani. Staf Pengajar: Tujuan Pendidikan
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
Lebih terperinciBAB 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 terperinciLearning 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 terperinciKompetensi Lulusan, Learning Outcomes dan Kurikulum Program Studi Doktor Ilmu Pangan Berdasarkan Kerangka Kualifikasi Nasional Indonesia
Kompetensi Lulusan, Learning Outcomes dan Kurikulum Program Studi Doktor Ilmu Pangan Berdasarkan Kerangka Kualifikasi Nasional Indonesia Departemen Ilmu dan Teknologi Pangan Fakultas Teknologi Pertanian
Lebih terperinciProgram studi Teknologi Hasil Perairan (S3)
Tabel 6. Parameter Diskripsi Program studi Teknologi Hasil Perairan (S3) Unsur-Unsur Deskripsi Deskripsi Generik Learning Outcome Kemampuan di Bidang Kerja Mampu melakukan Kemampuan di bidang kerja terkait
Lebih terperinciPENDAHULUAN LANDASAN TEORI
1 PENDAHULUAN Latar Belakang Dalam kehidupan sehari-hari, banyak permasalahan yang dapat dimodelkan dengan proses stokastik. Proses stokastik dapat dibedakan menjadi dua yaitu proses stokastik dengan waktu
Lebih terperinciProgram 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 terperinciBAB 3 REVIEW SIFAT-SIFAT STATISTIK PENDUGA KOMPONEN PERIODIK
BAB 3 REVIEW SIFAT-SIFAT STATISTIK PENDUGA KOMPONEN PERIODIK 3. Perumusan Penduga Misalkan N adalah proses Poisson non-homogen pada interval 0, dengan fungsi intensitas yang tidak diketahui. Fungsi intensitas
Lebih terperinciSILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-211 Nama Mata Kuliah : Model Stokastik Jumlah SKS : 2 Semester :
SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-211 Nama Mata Kuliah : Model Stokastik Jumlah SKS : 2 Semester : IV Mata Kuliah Pra Syarat : TKI-202 Model Deterministik Deskripsi
Lebih terperinciCapaian Pembelajaran/Learning Outcomes Program Studi Teknologi Pascapanen (PS TPP) Strata Magister sesuai KKNI Level 8
Capaian Pembelajaran/Learning Outcomes Program Studi Teknologi Pascapanen (PS TPP) Strata Magister sesuai KKNI Level 8 Kompetensi Lulusan : Setelah menyelesaikan program studi ini lulusan Program Studi
Lebih terperinciKompetensi dan Learning Outcomes Program Studi Manajemen dan Bisnis Sekolah Pascasarjana Institut Pertanian Bogor
Kompetensi dan Learning Outcomes Program Studi dan Bisnis Sekolah Pascasarjana Institut Pertanian Bogor Program Magister Pernyataan kompetensi : Setelah menyelesaikan program studi ini, lulusan mampu :
Lebih terperinciPENDUGAAN 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 terperinciIII. HASIL DAN PEMBAHASAN
III. HASIL DAN PEMBAHASAN 3.1 Perumusan Masalah Misalkan adalah proses Poisson nonhomogen pada interval dengan fungsi intensitas yang tidak diketahui. Fungsi intensitas diasumsikan terintegralkan lokal
Lebih terperinciKEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT
KEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT Ro fah Nur Rachmawati Mathematics & Statistics Department, School of Computer Science, Binus
Lebih terperinciPengantar Proses Stokastik
Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai
Lebih terperinciKompetensi 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 terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) IKG3F3 PEMODELAN STOKASTIK Disusun oleh: Sri Suryani P, S.Si., M.Si. PROGRAM STUDI ILMU KOMPUTASI FAKULTAS INFORMATIKA TELKOM UNIVERSITY 2015 LEMBAR PENGESAHAN Rencana
Lebih terperinciSILABUS 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 terperinciSilabus Teori Peluang (STK-104) Jurusan Statistika Genap 2013/2014
Silabus Teori Peluang (STK-104) Jurusan Statistika Genap 2013/2014 Waktu : (Selasa, jam 10.00 11.40, D3D) dan (Kamis, jam 14.00 16.40, D3D) Dosen Pengasuh : Ridha Ferdhiana, M.Sc dan Dr. Muhammad Subianto,
Lebih terperinciKompetensi Lulusan dan Learning Outcomes Program Studi Magister Ilmu Pangan Berdasarkan Kerangka Kualifikasi Nasional Indonesia
Kompetensi Lulusan dan Learning Outcomes Program Studi Magister Ilmu Pangan Berdasarkan Kerangka Kualifikasi Nasional Indonesia Departemen Ilmu dan Teknologi Pangan Fakultas Teknologi Pertanian Institut
Lebih terperinciBAB 3 REVIEW PENDUGAAN FUNGSI INTENSITAS LOKAL DAN GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT
9 BAB 3 REVIEW PENDUGAAN FUNGSI INTENSITAS LOKAL DAN GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT Misalkan adalah proses Poisson nonhomogen pada interval dengan fungsi intensitas yang
Lebih terperinciLampiran A. Beberapa Definisi dan Lema Teknis
LAMPIRAN 33 Lampiran A. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Definisi A.1 (Ruang contoh dan kejadian) Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya
Lebih terperinciSILABUS 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 terperinciDISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN. Sudarno Jurusan Matematika FMIPA UNDIP. Abstrak
DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN Sudarno Jurusan Matematika FMIPA UNDIP Abstrak Dalam proses stokhastik yang mana kejadian dapat muncul kembali membentuk proses pembahauruan. Proses pembaharuan
Lebih terperinciBAB 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 terperinciSILABUS MATA KULIAH. Standar Kompetensi Mahasiswa dapat memahami konsep-konsep matematika dan penerapannya dalam suatu industri.
Program Studi : Teknik Industri Kode Mata Kuliah : TKI 215 Nama Mata Kuliah : Matematika Terapan Jumlah SKS : 2 Semester : IV Mata Kuliah Pra Syarat : TKI-206 Matriks dan Vektor SILABUS MATA KULIAH Deskripsi
Lebih terperinciLangkah-Langkah Penyempurnaan Kurikulum Program Studi
Langkah-Langkah Penyempurnaan Kurikulum Program Studi INSTITUT PERTANIAN BOGOR http://www.ipb.ac.id Agenda Kesepakatan Lokakarya Rencana A dan B Penuntasan Rencana A Peta Jalan Penyempurnaan Diskusi Kesepakatan
Lebih terperinciPREDIKSI JUMLAH LULUSAN DAN PREDIKAT KELULUSAN MAHASISWA FMIPA UNTAN TAHUN ANGKATAN 2013/2014 DENGAN METODE RANTAI MARKOV
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3(2015), hal 347-352. PREDIKSI JUMLAH LULUSAN DAN PREDIKAT KELULUSAN MAHASISWA FMIPA UNTAN TAHUN ANGKATAN 2013/2014 DENGAN METODE RANTAI
Lebih terperinciSILABUS 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 terperinciII. LANDASAN TEORI. 2. P bersifat aditif tak hingga, yaitu jika dengan. 2.1 Ruang Contoh, Kejadian dan Peluang
II. LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan
Lebih terperinciPerancangan 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 terperinciPenentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi
Penentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi Aditya Candra Laksmana 1*, Respatiwulan 2, dan Ririn Setiyowati 3 1, 3 Program Studi Matematika Fakultas MIPA, Universitas
Lebih terperinciKEKONSISTENAN PENDUGA FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK DENGAN TREN LINEAR TITA ROBIAH AL ADAWIYAH
KEKONSISTENAN PENDUGA FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK DENGAN TREN LINEAR TITA ROBIAH AL ADAWIYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB 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 terperinciLEARNING OUTCOME PROGRAM STUDI S3 KONSERVASI BIODIVERSITAS TROPIKA
LEARNING OUTCOME PROGRAM STUDI S3 KONSERVASI BIODIVERSITAS TROPIKA DEPARTEMEN KONSERVASI SUMBERDAYA HUTAN DAN EKOWISATA FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2012 Tabel 1. Pernyataan Kompetensi Program
Lebih terperinciLEARNING OUTCOMES. Oleh Tim Departemen INTP
LEARNING OUTCOMES PROGRAM STUDI SARJANA DAN PASCASARJANA DEPARTEMEN ILMU NUTRISI DAN TEKNOLOGI PAKAN Oleh Tim Departemen INTP FAKULTAS PETERNAKAN INSTITUT PERTANIAN BOGOR November 2012 1 Kompetensi Lulusan
Lebih terperinciUJI LIKELIHOOD RASIO UNTUK PARAMETER DISTRIBUSI WEIBULL
UJI LIKELIHOOD RASIO UNTUK PARAMETER DISTRIBUSI WEIBULL Sartika 1) Wayan Somayasa 2) Rahmaliah Sahupala 2) 1) Mahasiswa Program Studi Matematika 2) Dosen Program Studi Matematika Jurusan Matematika F-MIPA
Lebih terperinciLEARNING OUTCOME PROGRAM STUDI PENGELOLAAN SUMBERDAYA ALAM DAN LINGKUNGAN (S3 DOKTOR)
LEARNING OUTCOME PROGRAM STUDI PENGELOLAAN SUMBERDAYA ALAM DAN LINGKUNGAN (S3 DOKTOR) Tabel 1. Learning Outcome (PSL-S3) Pernyataan kompetensi : Setelah menyelesaikan program studi ini, lulusan mempunyai
Lebih terperinci2-RP. rate, 10).Model Antrian. Deskripsi. sistem finansial, sistem komunikasi. Semester : V Hal: 1 dari 7. Dosen : SPW, NI, HY No.
RP S1 SP 06 A. CAPAIAN PEMAN : 1. CP 1.1 : Mampu menerapkan Metode Statistika dalam manajemen. 2. CP 2.2 : Mampu memodelkan & menginterpretasikan fenomena ekonomi 3. CP 8.1 : Mampu memformulasikan masalah
Lebih terperinciII LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran
II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan diketahui
Lebih terperinciPengembangan Sistem Pangkalan Data Program Studi (PDPS) Pascasarjana
2014 Pengembangan Sistem Pangkalan Data Program Studi (PDPS) Pascasarjana Lokakarya IPB International Convention Center (IICC) Selasa, 25Nopember 2014 Ballroom 1, Botani Square hsrkomote @hsrkom WhatsApp/Viber/Line:
Lebih terperinciSILABUS MATA KULIAH. : Dapat menyelesaikan permasalahan probabilitas dan mampu mengaplikasikan dalam kehidupan
SILABUS MATA KULIAH Program Studi : Pendidikan Matematika Kode Mata Kuliah : 306203 Mata kuliah : Probabilitas Bobot : 3 SKS Semester : III Mata Kuliah Prasyarat : - Deskripsi Mata Kuliah : Mata kuliah
Lebih terperinciBAB II TINJAUAN PUSTAKA
3 BAB II TINJAUAN PUSTAKA 2.1 Proses Poisson Periodik Definisi 2.1 (Proses stokastik) Proses stokastik X = {X(t), t T} adalah suatu himpunan dari peubah acak yang memetakan suatu ruang contoh ke suatu
Lebih terperinciPENDUGAAN 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Proses Poisson Periodik Definisi 2.1 (Proses stokastik) Proses stokastik X = {X(t), t T } adalah suatu himpunan dari peubah acak yang memetakan suatu ruang contoh Ω ke suatu
Lebih terperinciAnalisis 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Peluang Definisi 2.1.1 Percobaan Acak (Ross 2000) Suatu percobaan yang dapat diulang dalam kondisi yang sama dan semua kemungkinan hasil yang muncul dapat diketahui tetapi
Lebih terperinciSEBARAN 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 terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) MA KALKULUS II Disusun oleh: PROGRAM STUDI S1 ILMU KOMPUTASI FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran Semester (RPS)
Lebih terperinci4. Mahasiswa mampu melakukan estimasi parameter, melakukan uji hipotesis statistic serta estimasi interval. Diskripsi Singkat MK
INSTITUT TEKNOLOGI KALIMANTAN JURUSAN MATEMATIKA DAN TEKNOLOGI INFORMASI PROGRAM STUDI MATEMATIKA RENCANA PEMBELAJARAN MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMESTER Tgl Penyusunan Matematika Statistika
Lebih terperinciBuku 1: RPKPS (Rencana Program dan Kegiatan Pembelajaran Semester) ALJABAR LINEAR ELEMENTER
UNIVERSITAS GADJAH MADA FAKULTAS MIPA, JURUSAN MATEMATIKA PROGRAM STUDI S1 MATEMATIKA Sekip Utara Yogyakarta Buku 1: RPKPS (Rencana Program dan Kegiatan Pembelajaran Semester) ALJABAR LINEAR ELEMENTER
Lebih terperinciJURUSAN PENDIDIKAN MATEMATIKA FPMIPA - UNIVERSITAS PENDIDKAN INDONESIA
JURUSAN PENDIDIKAN MATEMATIKA FPMIPA - UNIVERSITAS PENDIDKAN INDONESIA 1 MINGGU KE- POKOK DAN SUB POKOK BAHASAN TUJUAN INSTRUKSIONAL UMUM (TIU) SATUAN ACARA PERKULIAHAN MATAKULIAH : TEORI UKURAN DAN INTEGRAL
Lebih terperinciSTATISTIK DAN PROBABILITY
RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) STATISTIK DAN PROBABILITY Disusun Oleh : Budi Gunawan, ST., MT. PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS MURIA KUDUS 2012 Program
Lebih terperinciSILABUS (GBPP Perkuliahan)
Fakultas/Prodi Mata Kuliah/Kode : MIPA/Statistika Semester / SKS : Ganjil / 3(2-2) Deskripsi Mata Kuliah Standar Kompetensi Mata Kuliah Prasyarat : Analisis Perancangan Survei SILABUS (GBPP Perkuliahan)
Lebih terperinciLearning Outcomes Ilustrasi Lingkup Kuliah Gugus. Pendahuluan. Julio Adisantoso. 10 Pebruari 2014
10 Pebruari 2014 Learning Outcome Mahasiswa dapat mengetahui alasan mempelajari Ilmu Peluang di bidang Ilmu Komputer Mahasiswa dapat memahami makna peluang dalam kehidupan sehari-hari Mahasiswa mengetahui
Lebih terperinciSem 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 terperinciSATUAN 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 terperinciRENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER
RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER 1. Nama Mata Kuliah : RADIOKIMIA 2. Kode / SKS : TKN 3. Prasyarat : Kimia Dasar, Fisika Dasar, Fisika Atom dan Inti 4. Status Matakuliah : Wajib 5. Deskripsi
Lebih terperinciPENDUGAAN FUNGSI NILAI HARAPAN PADA PROSES POISSON PERIODIK MAJEMUK DENGAN TREN LINEAR BONNO ANDRI WIBOWO
PENDUGAAN FUNGSI NILAI HARAPAN PADA PROSES POISSON PERIODIK MAJEMUK DENGAN TREN LINEAR BONNO ANDRI WIBOWO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2014
Lebih terperinciSILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40%
0 SILABUS 1. Identitas Mata Kuliah Nama Mata Kuliah : Statistika Matematik 1 Kode Mata Kuliah : MT 404 Jumlah SKS : 3 Semester : 6 Kelompok Mata Kuliah : Mata Kuliah Keahlian (MKK) Program Studi Jurusan/Program
Lebih terperinciLampiran 1. Beberapa Definisi dan Lema Teknis
Lampiran 1. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya tidak dapat diprediksi dengan tepat tetapi kita
Lebih terperinciPENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI
PENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI Aditya Candra Laksmana, Respatiwulan, dan Ririn Setiyowati Program Studi Matematika Fakultas Matematika dan Ilmu
Lebih terperinciPengenalan Kurikulum Program Studi S1 Fisika IPB Tony Sumaryada, Ph.D 19 Mei 2016
Pengenalan Kurikulum 2014 Program Studi S1 Fisika IPB Tony Sumaryada, Ph.D 19 Mei 2016 Latar Belakang Perlu pembaharuan Kurikulum untuk dapat mengikuti perkembangan zaman Perubahan Kebijakan Manajemen
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Proses Stokastik Kode/sks : MAS 4113 /3 Semester : III Status (Wajib/Pilihan) : Pilihan (P) Prasyarat : MAS
Lebih terperinciKONTRAK KULIAH MATA KULIAH PEMODELAN MATEMATIKA
KONTRAK KULIAH MATA KULIAH PEMODELAN MATEMATIKA Dr. Elmanani Simamora, M.Si PENDIDIKAN MATEMATIKA PROGRAM PASCASARJANA UNIVERSITAS NEGERI MEDAN 2016/2017 KONTRAK KULIAH Nama Matakuliah : Pemodelan Matematika
Lebih terperinciDeskripsi Umum, Learning Outcomes, dan Kurikulum Inti Program Studi Teknik Industri
Deskripsi Umum, Learning Outcomes, dan Kurikulum Inti Program Studi Teknik Industri Oleh: Dr. Ir. TMA. Ari Samadhi, M.Sc. Rapat BKSTI, Bandung 10 Oktober 2012 Kerangka Kualifikasi Nasional Indonesia (KKNI)
Lebih terperinciPENJABARAN MATA KULIAH (COURSE OUTLINE)
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-05/RO Versi : 1 Tanggal Revisi : 25 Juli 2011 Revisi : 1 Tanggal Berlaku : 1 September 2011 PENJABARAN MATA KULIAH (COURSE OUTLINE) A. IDENTITAS MATA KULIAH Nama
Lebih terperinciMasalah 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 terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) Mata Kuliah: STATISTIK PENDIDIKAN (PPS607) Di Susun oleh: Dr. Nyak Amir, M.Pd Dr. M. Ikhsan, M.
RENCANA PEMBELAJARAN SEMESTER (RPS) Mata Kuliah: STATISTIK PENDIDIKAN (PPS607) Di Susun oleh: Dr. Nyak Amir, M.Pd Dr. M. Ikhsan, M.Pd PROGRAM MAGISTER PENDIDIKAN OLAHRAGA PROGRAM PASCASARJANA UNIVERSITAS
Lebih terperinciPRODI. Dosen : MM No.Revisi : 00. Semester : I Hal: 1 dari 5. kelompok. Deskripsi 2 populasi. Kemampuan. Kemampuan kerja.
RP S1 SP 01 A. CAPAIAN PEMAN : 1. CP 11.1 : Mampu menganalisis data secara kuantitatif baik secara univariat maupun Multivariat serta menerapkannya. 2. CP 8.1 : Memformulasikan masalah ke dalam pemodelan
Lebih terperinciFAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS SYIAH KUALA Darussalam, Banda Aceh
08/02/2017 Nama Mata Kuliah : Biostatistika Kode Mata Kuliah : SKV 103 Bobot SKS : 2 (Dua) Semester : Ganjil Hari Pertemuan : 1 (pertama) Tempat Pertemuan : Ruang kuliah Koordinator MK : Khairul Umam,
Lebih terperinciMA Analisis dan Aljabar Teori=4 Praktikum=0 II (angka. 17 Juli
INSTITUT TEKNOLOGI KALIMANTAN JURUSAN MATEMATIKA DAN TEKNOLOGI INFORMASI PROGRAM STUDI MATEMATIKA SILABUS MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMESTER Tgl Penyusunan Aljabar Linear ELementer MA Analisis
Lebih terperinciSILABUS 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 terperinciTabel 1. Penjabaran Learning Outcome PS ESL S1 Pernyataan Kompetensi: Setelah menyelesaikan program studi ini,lulusan dapat menjadi analis dalam
Tabel 1. Penjabaran Learning Outcome PS S1 Pernyataan Kompetensi: Setelah program studi ini,lulusan dapat menjadi analis dalam bidang ilmu ekonomi pertanian, lingkungan serta kebijakan dalam bidang pertanian,
Lebih terperinciLampiran SM UB. (1) Rumusan Capaian Pembelajaran minimal aspek keterampilan kerja
(1) Rumusan Capaian Pembelajaran minimal aspek keterampilan kerja umum untuk lulusan pendidikan akademik, vokasi, dan profesi adalah sebagai berikut. Lulusan pendidikan akademik pada: a. Program Diploma
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN
Nama Mata Kuliah Kode Mata Kuliah : MAT 101 Bobot SKS : 3 (2-2) : Landasan Matematika GARIS-GARIS BESAR PROGRAM PENGAJARAN Deskripsi : Mata kuliah ini membahas konsep-konsep dasar matematika yang meliputi
Lebih terperinciPROGRAM PASCASARJANA INSTITUT PERTANIAN BOGOR PROGRAM STUDI KESEHATAN MASYARAKAT VETERINER PROGRAM MAGISTER (S-2)
PROGRAM PASCASARJANA INSTITUT PERTANIAN BOGOR PROGRAM STUDI KESEHATAN MASYARAKAT VETERINER PROGRAM MAGISTER (S-2) PERNYATAAN KOMPETENSI Setelah menyelesaikan pendidikan di program Studi ini, lulusan mampu
Lebih terperinciSTK 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 terperinciSTK 203 TEORI STATISTIKA I
STK 203 TEORI STATISTIKA I V. SEBARAN FUNGSI PEUBAH ACAK V. Sebaran Fungsi Peubah Acak 1 Sebaran Fungsi Peubah Acak Dalam banyak kasus untuk melakukan inferensi terhadap suatu parameter kita lebih banyak
Lebih terperinciInfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 4, No.1, Februari 2015
InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 4, No., Februari 05 ANALISIS KEMAMPUAN MEMBACA BUKTI MATEMATIS PADA MATA KULIAH STATISTIKA MATEMATIKA Oleh: Andri Suryana Universitas
Lebih terperinciSOP Perkuliahan Mahasiswa Program Doktor Fakultas Psikologi Universitas Gadjah Mada
SOP Perkuliahan Mahasiswa Program Doktor Fakultas Psikologi Universitas Gadjah Mada PENGERTIAN TUJUAN PERKULIAHAN MAHASISWA STANDAR OPERASIONAL PROSEDUR Program Studi Doktor adalah program pendidikan dengan
Lebih terperinciKAJIAN BANDWIDTH OPTIMAL PADA PENDUGAAN FUNGSI INTENSITAS LOKAL PROSES POISSON PERIODIK SURASNO
KAJIAN BANDWIDTH OPTIMAL PADA PENDUGAAN FUNGSI INTENSITAS LOKAL PROSES POISSON PERIODIK SURASNO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciDokumen Kurikulum Program Studi : Arsitektur
Dokumen Kurikulum 2013-2018 Program Studi : Arsitektur Fakultas : Sekolah Arsitektur, Perencanaan dan Pengembangan Kebijakan Institut Teknologi Bandung Total Bidang Halaman Kode Akademik Dokumen dan Kemahasiswaan
Lebih terperinciGaris Entry Behavior. Mata kuliah: Matriks dan Ruang Vektor (IT ) / 2 sks CAPAIAN PEMBELAJARAN MATA KULIAH MATRIKS DAN RUANG VEKTOR:
Mata kuliah: Matriks dan Ruang Vektor (IT 043331) / 2 sks CAPAIAN PEMBELAJARAN MATA KULIAH MATRIKS DAN RUANG VEKTOR: 1. Mahasiswa mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif (KU1);
Lebih terperinciPROGRAM PASCASARJANA DOKTOR (S3) PROGRAM STUDI TEKNOLOGI PERIKANAN LAUT
PROGRAM PASCASARJANA DOKTOR (S3) PROGRAM STUDI TEKNOLOGI PERIKANAN LAUT Tabel 1 Learning Outcomes Program Pascasarjana Doktor Program Studi Teknologi Perikanan Laut (S3) Pernyataan kompetensi: Setelah
Lebih terperinciKATALOG PROGRAM STUDI PENDIDIKAN LUAR SEKOLAH (PLS)
KATALOG PROGRAM STUDI PENDIDIKAN LUAR SEKOLAH (PLS) RASIONAL PROGRAM Layanan program PLS tumbuh subur dan tersebar luas di tengah masyarakat, baik program-program yang bersifat institusional, informasional,
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 4
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 4 Berlaku mulai: Genap/2010 MATA KULIAH : RISET OPERASIONAL KODE MATA KULIAH/SKS : 410102053 / 3 SKS MATA KULIAH PRASYARAT
Lebih terperinci2-RP. C. Deskripsi CP secara umum KKNI Level 6
RP-S1-SK-03 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : 1. CP 3.3 : untuk mengoptimalkan penggunaan program paket metode statistika yang sudah ada 2. CP 15.1
Lebih terperinciILMU 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 terperinciBuku 1: RPKPS (Rencana Program dan Kegiatan Pembelajaran Semester)
UNIVERSITAS GADJAH MADA FAKULTAS MIPA, JURUSAN MATEMATIKA, PS S1 MATEMATIKA Sekip Utara, Gedung Jurusan Matematiika, Yogyakarta - 55281 Buku 1: RPKPS (Rencana Program dan Kegiatan Pembelajaran Semester)
Lebih terperinciKURIKULUM PENDIDIKAN TINGGI SESUAI KKNI (KERANGKA KUALIFIKASI NASIONAL INDONESIA)
KURIKULUM PENDIDIKAN TINGGI SESUAI KKNI (KERANGKA KUALIFIKASI NASIONAL INDONESIA) KELOMPOK III Lutfi NIM 41038104114115 Clara Vidhia NIM 4103810414097 Subiyanto NIM 4103810414127 Sumarmi NIM 4103810414118
Lebih terperinciPRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Statistika Spasial Kode/SKS: SS / (2/1/0) Dosen : Sutikno Semester : VII
RP-S1-SLK-01 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : CP 5.2 : Mampu menganalisis data di bidang Statistika Lingkungan dan Kesehatan, serta bidang lainnya
Lebih terperinciBAB IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR
3 BAB IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR 4.. Sebaran asimtotik dari,, Teorema 4. ( Normalitas Asimtotik
Lebih terperinciSTATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si
STATISTIKA DASAR MAF 1212 Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si Pokok Bahasan Pokok Bahasan KONTRAK PERKULIAHAN UTS 35% UAS 35% TUGAS/QUIZ 20% KEHADIRAN 10% REFERENSI: Walpole, Ronald E. 2011. Probability
Lebih terperinciCAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai
CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai Penguasaan Pengetahuan 5.1 Mampu mengidentifikasi permasalahan multivariat 5.2 Mampu menerapkan konsep
Lebih terperinciSILABUS MATA KULIAH. Pengalaman Pembelajaran
SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-110 Nama Mata Kuliah : Teori Probabilitas Jumlah SKS : 2 Semester : II Mata Kuliah Pra Syarat : TKI-101 Pengantar Teknik Industri
Lebih terperinci2-RP. Penguasaan Pengetahuan. Kemampuan. kerja. Kemampuan. Manajerial. Sikap dan Tata Nilai 5-PBS 1-CP 2-RP 3-RE
RP-S1-SLK-02 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 7 A. CAPAIAN PEMBELAJARAN (Learning outcome) : CP 5.1 : Menganalisis data di bidang kedokteran/kesehatan, pertanian/perikanan/kelautan
Lebih terperinci