Sem 5-4. Garis Besar Rencana Pembelajaran (GBRP)

Transkripsi

1 Sem -. Garis Besar Rencana Pembelajaran (GBRP) Nama Matakuliah : Analisis Data Kategorik Kode MK/SKS : 309H203/3SKS Semester : Awal/ (Tahun III) Mata Kuliah Prasyarat : Metode Statistika, Komputasi Statistika Kompetensi Sasaran : Kompetensi Utama : - Kemampuan dalam menganalisis kategorik. - Kemampuan memodelkan dan menganalisis kasus dalam analisis kategorik pada beberapa bidang aplikasi. Kompetensi Pendukung : Kemampuan membuat laporan lengkap dan presentasi. Kompetensi Lainnya : Kemampuan berkomunikasi dan bekerjasama, baik sebagai pimpinan maupun anggota, dari sebuah tim kerja. Sasaran Belajar : WAKTU MINGGU KE- () SASARAN PEMBELAJARAN (2) MATERI PEMBELAJARAN (3) BENTUK PEMBELAJARAN () INDIKATOR PENILAIAN () BOBOT NILAI (%) (6) Mahasiswa memahami dengan baik tujuan,organisasi materi, strategi pembelajaran, kriteria penilaian, tugas dan tanggung jawabnya dalam kelompok kerja serta untuk mengetahui kemampuan mahasiswa dari mata kuliah prasyarat sebelum masuk dalam materi analisis kategorik Informasi, Kontrak Kuliah, Strategi Pembelajaran, dan Pelaksanaan Pre Tes Kuliah + Diskusi 2 Mampu menjelaskan analisis kateorik, penggunaan, jenis dan mampu mengkategorikan kuantitatif Konsep Analisis Data Kategorik, Alasan Penggunaan, Jenis-Jenis Analisis, Pengelolaan Data Kuantitatif ke Kualitatif - Ketepatan menjelaskan alas an penggunaan analisis kategorik - Ketepatan mengkategorikan kuantitatif - Kerjasama Tim - Kemutakhiran bahan pustaka/soft 0, 0,

2 () (2) (3) () () (6) 3 Mampu memahami dan membuat tabel kontingensi dua arah sekaligus melakukan uji perbandingan, uji odds ratio, dan mengaplikasikannya pada contoh riil Tabel Kontingensi Dua Arah, Uji Perbandingan Proporsi, Uji Odds Ratio, Hubungan Pengukuran, dan Contoh Riil Kuliah + (Coolaborative Learning) - Ketepatan membuat tabel kontingensi dua arah berdasarkan setiap kategori - Kerjasama Tim 0,, Mampu memahami dan membuat tabel kontingensi tiga arah, menyelesaikan distribusi sampling, uji kelayakan model dan uji independensi pada contoh riil Tabel Kontingensi Tiga Arah, Distribusi Sampling, Uji Kelayakan Model, dan Uji Independensi. - Ketepatan membut table kontingensi tiga arah berdasarkan - Ketepatan uji kelayakan model dan uji independi pada 0,, Mampu memahami interval kepercayaan untuk sampel besar dengan pengujian eksak untuk sampel kecil pada tabel kontingensi tiga arah, serta mampu mengaplikasikannya pada contoh riil Interval Kepercayaan Untuk Sampel Besar pada Tabel Kontingensi Tiga Arah, Uji Eksak untuk Sampel Kecil, dan Contoh Riil - Ketepatan membuat interval kepercayaan - Ketepatan menghitung nilai odds ratio pada sampel kecil 6 Memahami pengertian GLM, dan macam-macamnya. Memahami konsep regresi logistic mengenai model logit pada kategorik Konsep Dasar Generalized Linear Model, Regresi Logistik, Model Logit untuk Data Kategorik, dan Contoh - Ketepatan mendefiniskan GLM dan regresi logistik - Ketepatan penggunaan model logit pada logistik 0,,

3 () (2) (3) () () (6) 7 Memahami dan mampu mengestimasi parameter regresi logistic biner, dan model probit Estimasi Parameter Regresi Logistik Biner, dan Model Probit, dan Contoh pada model regresi logistic biner - Ketepatan mendefinisikan regresi probit 8 Memahami dan mampu mendiagnostik model dengan uji kecocokan dari model logistic, yang selanjutnya digunakan dalam memodelkan contoh riil Diagnostik Model, Uji Kecocokan Model, Regresi Logistik Bersyarat, dan Contoh - Ketepatan mendiagnostik model - Ketepatan melakukan uji kecocokan model regresi logistic - Ketepatan analisis dengan logistic biner 0, 0, 9 Mampu mengerjakan dan menyelesaikan UTS mengenai konsep table kontingensi dan regresi logistik Ujian Tengah Semester (UTS) Mengerjakan Soal - Ketepatan membuat table kontingensi beserta analisisnya dalam regresi logistic - Ketepatan analisis secara lengkap dengan regresi biner 20 0 Mampu memahami konsep log linear, model log linear pada dua dimensi, dan memberikan contoh Pengantar Log Linear, Model Log Linear untuk Dua Dimensi, dan Contoh Kuliah+Small Group Discussion +Collaborative Learning+Problem Based Learning - Ketepatan model log linear untuk dua dimensi - Ketepatan memilih sebagai contoh dan dianalisis 0, 3,

4 () (2) (3) () () (6) Memahami struktur table dan model log linear untuk tiga dimensi, dan memberikan contoh Struktur Tabel dan Model Log Linear untuk Tiga Dimensi juga Dimensi Tinggi beserta contoh - Ketepatan membuat model log linear berdasarkan struktur table - Ketepatan memilih sebagai contoh dan dianalisis 0, 0, 2 Mengetahui syarat cukup dari model log linear, dan mampu mengestimasi jumlah harapan dalam model log linear Syarat Cukup untuk Model Log Linear, dan Estimasi Jumlah Harapan dalam Log Linear - Ketepatan prosedur syarat cukup model log linear - Ketepatan estimasi jumlah harapan - Kedisiplinan - Kemutakhiran bahan pustaka 0,, 3 Memahami uji goodness of fit pada log linear, dan estimasi parameter model. Selanjutnya mampu menunjukkan dengan contoh Uji Goodess of Fit, dan Estimasi Parameter Model Log Linear - Ketepatan prosedur uji goodness of fit - Ketepatan mengestimasi parameter - Kedisiplinan dan Keaktifan 0,, Memahami metode estimasi parameter log linear dengan proses iterasi maskimum likelihood, serta mengaplikasikan log linear pada survival beserta contoh Estimasi Parameter dengan Iterasi Maksimum Likelihood, dan Analisis Surival dengan Log Linear dengan proses iterasi - Ketepatan analisis survival dengan log linear

5 () (2) (3) () () (6) Mampu menggunakan dalam menyelesaikan kategorik dengan menggunakan Regresi Logistik dan Log Linear, yang seanjutnya mampu diinterpretasikan Latihan Penggunaan Software untuk Regresi Logistik dan Log Linear Kuliah+Small Group Discussion +Collaborative Learning+Problem Based Learning - Ketepatan analisis melalui - Ketepatan interpretasi hasil analisis - Kedisiplinan - Keaktifan 6 6 Mampu menjawab dan menyelesaikan soal UAS Ujian Akhir Semester (UAS) Ujian - Ketepatan membuat table kontingensi dalam log linear dalam log linear - Ketepatan analisis secara lengkap dengan log linear 20 Referensi Utama :. Alan Agresti, 2002, "Categorical Data Analysis", John Wiley & Sons. 2. Conover, "Non Parametric Statistics. 3. Hosmer & Lemeshow, Applied Categorical Data Analysis", John Wiley & Sons. Additional :. Sumber belajar lainnya.