PRODI DIII STATISTIKA-FMIPA ITS RENCANA PEMBELAJARAN KODE/ MATA KULIAH/ SKS/ SEMESTER : SS /PENGANTAR METODE STATISTIKA / (2/1/1) I
|
|
- Fanny Agusalim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu melakukan deskripsi, eksplorasi dan interpretasi data serta Mampu menganalisis data dengan metode statistika yang sesuai Penguasaan Pengetahuan 5.1 Mampu konsep teoritis bidang statistika dasar 5.2 Mampu memformulasikan distribusi probabilitas, estimasi dan pengujian Hipotesis Kemampuan rja 5.3 Mampu menganalisis data dari permasalahan riil dengan metode statistika sederhana PRODI DIII STATISTIKA-FMIPA ITS DOSEN PEMBINA 5.4 Mampu Memilih metode statistika yang sesuai untuk menyelesaikan hipotesis yang disusun dan menginterpretasikan hasilnya dengan tepat Mampu menganalisis data dan mampu mengkomunikasikan hasilnya dengan baik Kemampuan Manajerial 5.6 Mampu mengelola lompok rja dan menyusun laporan tertulis secara komprehensif; 5.7 Bertanggung jawab pada perjaan sendiri Dapat diberi tanggung jawab atas pencapaian hasil rja lompok : DOSEN STATISTIKA FMIPA ITS Sikap dan Tata Nilai Memiliki etika profesi (termasuk menghargai temuan orisinil orang lain); menghargai pendapat orang lain; Patuh pada aturan yang tertulis dan tidak tertulis serta berpikir cerdas, amanah dan kreatif. POKOK BAHASAN : Arti dan peran statistika, pengertian data (diskret, kontinyu) dan sumbernya, penyajian data, skala pengukuran. Analisis data diskriptif dan pengumpulan data di lapangan. Konsep peluang (penentuan titik sampel dengan permutasi, kombinasi dan penghitungan peluang suatu jadian). Peluang bersyarat, jadian bebas dan jadian bayes. Variabel random dan peluang bersama. Nilai harapan, varians, kovarians dan korelasi dari variabel random. Distribusi probabilitas diskret, dan kontinyu. Estimasi (titik dan interval) dan testing hipotesis (satu dan dua populasi). Uji bebasan dan sesuaian (uji χ 2 ), regresi rederhana dan korelasi dan penerapannya pada beberapa kasus. PRASYARAT : - 12
2 , ; Mampu konsep metode statistika secara umum 2. Mampu menghitung nilai sentral dan penyebaran serangkaian data serta mampu serangkaian data dengan cara yang tepat 1.1. Mampu peran statistika pada berbagai bidang ilmu 1.2. Dapat pengertian statistik dan Statistika 1.3. Dapat Membedakan Skala pengukuran 1.4. Mampu jenis dan sumber data 1.5. Merumuskan populasi dan sample 1.6. Mengumpulkan dan Menyajikan data dalam bentuk tabel /grafik 1.7. Dapat menggunakan excell untuk penyajian data statistika 2.1. Dapat menyajikan data secara tepat baik dengan table maupun grafik Dapat menghitung dan menginterpretasikan hasil perhitungan nilai sentral (mean, median, modus, kuartil, desil, persentril untuk data tunggal maupun lompok) 2.3. Dapat menghitung dan menginterpretasikan hasil perhitungan ukuran penyebaran data (range, meandeviasi, varians, SD, Dq untuk data tunggal maupun lompok) serta Swness 2.4. Dapat menghitung nilai rata-rata dari selompok data yang ada pengamatan ekstreem Pendahuluan : 1. pengertian statistika 2. peran statistika 3. Data statistic dan skala pengukuran 4. Mengumpulkan data dengan sampel anggota las Statistika Deskriptip 1. Penyajian data, box plot 2. Distribusi frekwensi 3. Nilai Sentral 4. Ukuran penyebaran 5. nilai ekstreem (trimmed mean, winsorized mean) 6. miringan data (swness) [1] : BAB 1 [3] : BAB 1 Modul 1 [3] : BAB 2 Modul 2 dan Diskusi, Keberanian mengungkapkan pendapat 2. membuat laporan secara lompok. 3. Mempresentasikan 5% / 5% 10% / 15% 13
3 ; Mampu menentukan ruang sampel dg tepat ; Mampu konsep suatu jadian dan mampu menghitung peluang suatu jadian dg tepat ; ; ; ;. 5. Dapat menghitung peluang VR dan mampu VR 6. Dapat menghitung peluang distribusi diskret dan mampu jadian diskret 3.1. Dapat menentukan ruang sampel dan titik sampel dari suatu percobaan himpunan/set, penjumlahan, penggandaan, permutasi, kombinasi (analisis kombinatorial) 3.2. Dapat menghitung dan menginterpretasikan peluang suatu jadian 4.1 Dapat mendefinisikan dan menghitung suatu peluang jadian yang bersifat jadian bersyarat dan jadian bebas serta jadian bayes (teorema bayes) 5.1. Dapat menentukan nilai suatu variabel random dan peluangnya Dapat menghitung peluang VR diskret 5.3. Dapat menghitung peluang bersama dan peluang marginal serta peluang bersyarat 5.4. Dapat menghitung Nilai harapan; varians; kovarians dan korelasi VR Dapat memahami suatu jadian mengikuti distribusi diskret tertentu 6.2. Dapat menghitung peluang jadian yang mengikuti distribusi diskret 6.3. Dapat menghitung mean dan varians distribusi peluang 6.4. Dapat menghitung peluang dengan bantuan Tabel (Binomial, Poisson) Konsep peluang 1. penentuan ruang sampel dan titik sampel dari suatu himpunan/set, penjumlahan, penggandaan, permutasi, kombinasi 2.menghitung peluang suatu jadian Peluang suatu jadian : 1. Peluang bersyarat 2. Kejadian bebas 3. Kejadian Bayes Variabel Random 1. Pengertian VR 2. Distribusi peluang diskret dan kontinyu 3. Distribusi peluang bersama 4. Nilai harapan; varians; kovarians dan korelasi VR Distribusi Peluang Diskret : 1.Uniform; 2. Bernoulli; 3.Binomial; 4. Multinomial; 5. Geometrik; 6.Binomial-Negatif; 7. Poisson [1] : BAB 1 [3] : BAB 3 Diskusi dan latihan soal [2]: BAB 1 Diskusi, dan [2]: BAB 2 [2]: BAB 3 [3]: BAB 3 Modul 3 Diskusi, tes dan Latihan 1. Tes 1 2. Aktifitas melakukan percobaan dan menghitung peluang nya menyelesaikan soal secara individu (mengerjakan. 1. Tes 5% / 20% 7% / 27% 8% / 35% 15% / 50% 14
4 ; ; ; ; ; Dapat menghitung peluang distribusi normal dan mampu jadian kontinyu 8. Mampu Konsep estimasi dan membuat estimasi yang sesuai pada jadian rii 9. Mampu Konsep testing hipotesis dan merumuskan testing hipotesis yang sesuai pada jadian riil 10. Mampu Regresi linier sederhana dan 7.1. Dapat memahami ciri-ciri fungsi probabilitas distribusi Normal dan transformasi normal standard 7.2. Dapat menghitung peluang distibusi normal (manual maupun tabel) 7.3. Dapat memahami ciri fungsi probabilitas distribusi Gamma, eksponential dan Khi Kuadrat 8.1. Dapat konsep ditribusi sampling sebagai dasar estimasi parameter 8.2. Mampu konsep estimasi dan sifat-sifat estimator yang baik Dapat melakukan estimasi parameter titik dan interval untuk satu & dua populasi (µ, p, σ 2, µ1- µ2; p1-p2; σ1/ σ2 ) 9.1. Dapat konsep testing hipotesis 9.2. Dapat menghitung salah jenis I dan II 9.3. Dapat merumuskan hipotesis dari berbagai kasus riil Dapat melakukan pengujian terhadap kasus riil untuk satu & dua populasi (µ, p, σ 2, µ1- µ2; p1-p2; σ1/ σ2 ) 9.5. Dapat melakukan pengujian independensi dan sesuaian dengan menggunakan distribusi χ Dapat Membuat model regresi linier sederhana dan menginterprestasikan model untuk kasus riil. (menyusun model pola hubungan dua variabel) Distribusi Peluang Kontinyu : 1. Normal 2. Pendekatan Normal untuk Binomial 3. Gamma, eksponential dan Khi Kuadrat Estimasi 1. Distribusi sampling ((µ, p, σ 2 ) 2. Estimasi titik (µ, p, σ2) 3. Estimasi interval (µ, p, σ 2, µ1- µ2; p1-p2; σ1/ σ2 ) Testing Hipotesis 1. Konsep testing hipotesis dan perumusan Ho dan H1 (uji searah atau dua arah) 2. salahan dalam pengujian 3. langkah-langkah pengujian 4. Pengujian satu sampel dan dua sampel (µ, p, σ 2, µ1- µ2; p1-p2; σ1/ σ2 ) 5. Pengujian Khi Kuadrat untuk independensi & sesuaian Regresi rederhana dan korelasi dan penerapannya pada beberapa kasus [2]: BAB 4 [3]: BAB 5 Modul 3 [2] : BAB 5, 6 Modul 4, 5 [2] : BAB 6,7 [3]: BAB 8 Modul 5 [2] : Bab 8 Modul 6 Diskusi dan latihan soal soal, tes dan Latihan 2. tes 3. Mempresentasikan 7% / 57% 13% / 70% 25%/ 95% 5%/100% 15
5 korelasi serta menyusun model regresi yang sesuai pada jadian riil 10.2 Dapat menghitung derajat eratan hubungan dua variabel (korelasi) PUSTAKA UTAMA 1. Walpole, R.E. and R.H.Myers(Terjemahan oleh RK Sembiring), Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan, Penerbit ITB, Bandung Salamah, Mutiah dan Destri Susilaningrum. Modul Pengantar Statistika PUSTAKA PENDUKUNG 1. Bhattacharya, G and R.A. Johnson, Statistical Concept and Methods, John Wiley & Sons, New York Lucia Aridinanti, Mutiah Salamah, Sri Pingit, dan Kartika. Pengantar Metose Statistika, Jurusan Statistika FMIPA ITS Manual MINITAB 16
CAPAIAN 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 Dapat menjelaskan konsep teoritis statistika non parametrik 5.2 Mampu memformulasikan
Lebih terperinciKontrak Kuliah Metode Statistika 2
Kontrak Kuliah Metode Statistika 2 Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015 Deskripsi Mata Kuliah Nama Mata Kuliah : Metode Statistika 2 Semester/SKS : I / 3 SKS Kompetensi
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 terperinci2-RP. C. PRASYARAT : Desain Eksperimen. D. Deskripsi CP secara umum KKNI Level 6. Kemampuan Deskripsi Penguasaan
RP S1 SP 05 Kurikulum 2014, Edisi : September 2014.Revisi : 00 Hal: 1 dari 8 A. CAPAIAN PEMBELAJARAN (Learning outcome) : CP 8.1 : Memformulasikan masalah dalam pemodelan sta s ka CP 11.2 : Mampu menganalisis
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 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 menyajikan data secara deskriptif dengan gambar dan ukuran numerik
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 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 terperinciPENGELOLAAN STATISTIK YANG MENYENANGKAN, oleh Muhammad Rusli Hak Cipta 2014 pada penulis
PENGELOLAAN STATISTIK YANG MENYENANGKAN, oleh Muhammad Rusli Hak Cipta 2014 pada penulis GRAHA ILMU Ruko Jambusari 7A Yogyakarta 55283 Telp: 0274-889398; Fax: 0274-889057; E-mail: info@grahailmu.co.id
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM INFORMASI Semester : 1
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM INFORMASI Semester : 1 Berlaku mulai: Gasal/2011 MATA KULIAH : STATISTIKA KODE MATA KULIAH / SKS : 410102047 / 3 SKS MATA KULIAH PRASYARAT
Lebih terperinciSILABUS. Program Studi : Pendidikan Matematika Mata Kuliah : Statistika Deskriptif Kode Mata Kuliah : MKK 4233 Jumlah SKS : 2 sks
SILABUS Fakultas : FPMIPATI Program Studi : Pendidikan Matematika Mata Kuliah : Statistika Deskriptif Kode Mata Kuliah : MKK 4233 Jumlah SKS : 2 sks Semester : II Waktu Pertemuan : 2 x 50 Mata Kuliah Prasyarat
Lebih terperinciBUKU RANCANGAN PENGAJARAN
BUKU RANCANGAN PENGAJARAN Mata Kuliah STATISTIK SOSIAL Disusun oleh: SYAHRUL, S.T., M.Eng Program Studi Ilmu Administrasi Fakultas Ilmu Sosial dan Ilmu Politik Universitas 17 Agustus 1945 Samarinda 2015
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG LEMBAR PENGESAHAN Rencana
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308
JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308 MINGGU POKOK & SUB MATERI METODE & MEDIA TES SUMBER 1
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM KOMputer Semester : 4
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM KOMputer Semester : 4 Berlaku mulai : Genap/2011 MATA KULIAH : STATISTIKA DAN PROBABILITAS KODE MATA KULIAH / SKS : 410202061 / 3 SKS MATA
Lebih terperinciProgram Studi Teknik Mesin S1
SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DAN PROBABILITAS KODE / SKS : IT042238 / 2 SKS Program Studi Teknik Mesin S1 Pokok Bahasan Pertemuan dan TIU 1 Pendahuluan memahami tentang konsep statistik
Lebih terperinciANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG
LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER GANJIL 2017/2018 PRODI MANAJEMEN INFORMASI KESEHATAN FAKULTAS ILMU-ILMU KESEHATAN UNIVERSITAS ESA UNGGUL
RENCANA PEMBELAJARAN SEMESTER GANJIL 2017/2018 PRODI MANAJEMEN INFORMASI KESEHATAN FAKULTAS ILMU-ILMU KESEHATAN UNIVERSITAS ESA UNGGUL Mata Kuliah : Statistik Deskriptif Kode MK : MIK321 Mata Kuliah Prasyarat
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) MUG2D3 PROBABILITAS DAN STATISTIKA Disusun oleh: INDWIARTI FAKULTAS INFORMATIKA TELKOM UNIVERSITY 1 LEMBAR PENGESAHAN Rencana Pembelajaran Semester (RPS) ini telah disahkan
Lebih terperinciDEPARTEMEN ILMU EKONOMI F A K U L T A S E K O N O M I D A N B I S N I S S I L A B U S STATISTIK I MAS 101 / 3 SKS
S I L A B U S STATISTIK I MAS 101 / 3 SKS Deskripsi Jenis Mata Kuliah Prasyarat : Mata kuliah ini membahas tentang konsep dasar metode statistik, yaitu Statistika Deskriptif dan Statistika Inferensial,
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308
JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308 MINGGU KE POKOK & SUB POKOK BAHASAN 1 PENDAHULUAN
Lebih terperinciSyllabus Statistika Dasar Semester Ganjil 2012/2013 Prodi Informatika FMIPA Unsyiah
Syllabus Statistika Dasar Semester Ganjil 2012/2013 Prodi Informatika FMIPA Unsyiah Nama mata kuliah Statistika Dasar SKS 3 (2 1) Kode INF-201 Prasyarat Matematika Dasar 1 Dosen Pengasuh Kelas A : DR.
Lebih terperinciSILABUS MATA KULIAH. Pengalaman Pembelajaran
SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-204 Nama Mata Kuliah : Statistika Industri Jumlah SKS : 2 Semester : III Mata Kuliah Pra Syarat : TKI-110 Teori Probabilitas Deskripsi
Lebih terperinciSILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 4 September 2015
SILABUS MATAKULIAH Revisi : 4 Tanggal Berlaku : 4 September 2015 A. Identitas 1. Nama Matakuliah : Teori Probabilitas 2. Program Studi : Teknik Industri 3. Fakultas : Teknik 4. Bobot sks : 2 SKS 5. Elemen
Lebih terperinciPRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Analisis Data I Kode/SKS: SS / (2/1/0) Dosen : HK Semester : VI
RP-S1-SK-06 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 7 A. CAPAIAN PEMBELAJARAN : CP 3.2 : Melakukan analisis data dengan menggunakan program statistik. CP10.1 : Mampu melakukan manajemen
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 terperinciSILABUS STATISTIK BISNIS. Dosen: Dalizanolo Hulu, SE, ME
SILABUS STATISTIK BISNIS Dosen: Dalizanolo Hulu, SE, ME Program Studi: Manajemen, Akuntansi, dan Teknik Informasi Universitas Pembangunan Jaya TA. 2014/2015 UNIVERSITAS PEMBANGUNAN JAYA SEMESTER GENAP
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi Binomial adalah distribusi probabilitas diskrit jumlah keberhasilan dalam n percobaan ya/tidak(berhasil/gagal)
Lebih terperinciSATUAN ACARA PEMBELAJARAN (SAP)
SATUAN ACARA PEMBELAJARAN (SAP) Mata Kuliah : Statistik Kode Mata Kuliah : PSI-106 Jumlah SKS : 3 Waktu Pertemuan : 150 menit Kompetensi Dasar : 1. Penguasaan metodologi penelitian psikologi Indikator
Lebih terperinciSATUAN ACARA PERKULIAHAN. Kode Mata Kuliah : TI 003
SATUAN ACARA PERKULIAHAN Nama Mata : Statistik Kode Mata : TI 003 Bobot Kredit : 3 SKS Semester Penempatan : III Kedudukan Mata : Mata Prasyarat : Penanggung Jawab : Latifah Rahayu, M.Sc Pertemuan / Pokok
Lebih terperinciBAHAN KULIAH STATISTIKA (Kelas Teori)
BAHAN KULIAH STATISTIKA (Kelas Teori) Fakultas : Fakultas Teknologi Industri Jurusan : Teknik informatika Mata kuliah & Kode : STATISTIKA SKS : Teori : 3 Praktik : - Semester dan Waktu : Sem : I Waktu
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 terperinciRANCANGAN 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 terperinciDistribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah
Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF (TK) KODE / SKS: KD / 2 SKS
Minggu Pokok Bahasan ke dan TIU 1 1. Pendahulua n tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika Mahasiswa dapat menjelaskan pengertian statistika
Lebih terperinciSILABUS MATA KULIAH. Pengalaman Pembelajaran. 1. Menyusun langkahlangkah. 1. Langkahlangkah. setiap metode penarikan sampel 2.
SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-209 Nama Mata Kuliah : Praktikum Statistika Jumlah SKS : 1 Semester : III Mata Kuliah Pra Syarat : TKI-110 Teori Probabilitas
Lebih terperinciSEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN
SEKOLAH TINGGI MANAJEMEN INFORMAA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN Mata : STATISA PROBABILITAS Kode Mata : MI - 14204 Jurusan / Jenjang : D3 MANAJEMEN INFORMAA Tujuan Instruksional Umum
Lebih terperinciMODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan
Lebih terperinciSilabus dan Satuan Acara Perkuliahan
Fakultas Ekonomi No. Dokumen : FE-SSAP-S2-10 Program Studi S1 Akuntansi No. Revisi : 03 Silabus dan Satuan Acara Perkuliahan Tgl.Revisi : 23-06-2010 Tgl. Berlaku : 23-06-2010 Statistik & Probabilitas Halaman
Lebih terperinciDISTRIBUSI SAMPLING besar
DISTRIBUSI SAMPLING besar Distribusi Sampling Sampling = pendataan sebagian anggota populasi = penarikan contoh / pengambilan sampel Sampel yang baik Sampel yang representatif, yaitu diperoleh dengan memperhatikan
Lebih terperinciSILABUS KURIKULUM BERBASIS KOMPETENSI FAKULTAS TARBIYAH BANJARMASIN
SILABUS KURIKULUM BERBASIS KOMPETENSI FAKULTAS TARBIYAH BANJARMASIN 1. Mata Kuliah / Kode : Statistika Elementer/PMK 706. Jumlah SKS : 3 SKS 3. Jurusan / Program Studi : TMIPA / Tadris Matematika 4. Tujuan
Lebih terperinciKATA PENGANTAR. Assalamu alaikum Wr. Wb
KATA PENGANTAR Assalamu alaikum Wr. Wb Alhamdulillah..puji syukur kehadirat Allah SWT yang telah memberikan ilmunya kepada penulis sehingga berhasil menyelesaikan buku Teori peluang. Buku ini disusun untuk
Lebih terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : E124304 / Teori Probabilitas Revisi 4 Satuan Kredit Semester : 2 SKS Tgl revisi : 16 Juli 2015 Jml Jam kuliah dalam seminggu
Lebih terperinciMETODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1
Media Informatika Vol. 5 No. 1 (2006) METODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1 Ekabrata Yudhistyra Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda 96 Bandung
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 terperinciRENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI : SISTEM KOMPUTER, SISTEM INFORMASI, DAN TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NAROTAMA
RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI : SISTEM KOMPUTER, SISTEM INFORMASI, DAN TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NAROTAMA MATA KULIAH KODE MATA KULIAH Mata Kuliah Prasyarat Big
Lebih terperinciPERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL
Statistika, Vol., No., Mei PERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL Moh. Yamin Darsyah, Dwi Haryo Ismunarti Program Studi S Statistika Universitas Muhammadiyah Semarang, Jl. Kedung
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 terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciSTATISTIKA UNIPA SURABAYA
MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi
Lebih terperinciPRODI S1 STATISTIKA FMIPA ITS RENCANA PEMBELAJARAN Teknik Sampling dan Survey Kode/SKS: SS / (2/1/0) Dosen : ATR, DS, IZ Semester : IV
RP S1 SP 02 Kurikulum 2014, Edisi : September 2014.Revisi : 00 Hal: 1 dari 6 A. CAPAIAN PEMAN : 1. CP9.1 : Mampu menjelaskan konsep merancang survey dan menerapkannya 2. CP12.1 : Mampu mengelola survey
Lebih terperinciPENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 53 61 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA OLIVIA ATINRI,
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 terperinciUNIVERSITAS MERCU BUANA FAKULTAS : ILMU KOMPUTER PROGRAM STUDI : Sistem Informasi
UNIVERSITAS MERCU BUANA FAKULTAS : ILMU KOMPUTER PROGRAM STUDI : Sistem Informasi No. Dokumen 02-3.04.1.02 Distribusi Tgl. Efektif RENCANA PEMBELAJARAN SEMESTER Mata Kuliah Kode Rumpun MK Bobot (SKS) Semester
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : 2
SATUAN ACAA PEKULIAHAN MATA KULIAH : STATISTIKA DASA JUUSAN : TEKNIK KOMPUTE Minggu Pokok Bahasan ke dan TIU 1 Pendahuluan tentang konsep statistika dan notasi Sub Pokok Bahasan dan Sasaran Belajar Konsep
Lebih terperinci4. Mahasiswa Berkontribusi dalam peningkatan mutu kehidupan bermasyarakat, berbangsa, bernegara, dan kemajuan peradapan (S6, S9, S10);.
Mata kuliah: Teori Probabilitas (IT043248) / 2 sks CAPAIAN PEMBELAJARAN MATA TEORI PROBABILITAS : 1. Mahasiswa menerapkan pemikiran logis, kritis, sistematis dan inovatif dalam konteks pengembangan (KU1,
Lebih terperinciDESKRIPSI MATA KULIAH
DESKRIPSI MATA KULIAH Nama Mata Kuliah Kode Mata Kuliah Kredit : Statistika dan Probabilitas : IF32225 : 3 SKS (3X45 menit) Deskripsi : Membahas mengenai cara-cara pengumpulan data, penganalisisan dan
Lebih terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciPENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM
BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah
Lebih terperinciSATUAN ACARA PEMBELAJARAN (SAP)
1 SATUAN ACARA PEMBELAJARAN (SAP) Mata Kuliah Kode Mata Kuliah SKS Durasi Pertemuan Pertemuan ke : Statistika dan Probabilitas : TSP-203 : 2 (Dua) : 100 menit : 1 (Satu) A. Kompetensi: a. Umum : Mahasiswa
Lebih terperinciBAB V PENUTUP 5.1 Kesimpulan
V-1 BAB V PENUTUP 5.1 Kesimpulan Berdasarkan penulisan laporan akhir ini, maka dapat dibuat kesimpulan dari setiap modul. Berikut adalah kesimpulan dari masingmasing modul tersebut: 1. Distribusi Frekuensi
Lebih terperinciJurnal Matematika UNAND Vol. 5 No. 4 Hal ISSN : c Jurusan Matematika FMIPA UNAND
Jurnal Matematika UNAND Vol 5 No 4 Hal 36 44 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND STUDI PRESTASI MAHASISWA DENGAN ANALISIS STATISTIKA DESKRIPTIF (STUDI KASUS: MAHASISWA PROGRAM STUDI MATEMATIKA
Lebih terperinciUNIVERSITAS BRAWIJAYA FAKULTAS ILMU ADMINISTRASI JURUSAN ADMINISTRASI BISNIS
UNIVERSITAS BRAWIJAYA FAKULTAS ILMU ADMINISTRASI JURUSAN ADMINISTRASI BISNIS RENCANA PROGRAM & KEGIATAN PEMBELAJARAN SEMESTER(RPKPS) Nama Mata Kuliah Kode Mata Kuliah : Beban sks : 3 sks (1) (2) Minggu
Lebih terperinciSTATISTIKA DASAR ( FI 411 )
1 STATISTIKA DASAR ( FI 411 ) I DESKRIPSI Mata Kuliah ini merupakan mata kuliah wajib bagi mahasiswa Fisika dan Pendidikan fisika. Hasil yang diharapkan dari perkuliahan ini adalah mahasiswa menguasai
Lebih terperinciSTATISTIKA TERAPAN (PS603)
RENCANA PEMBELAJARAN SEMESTER (RPS) STATISTIKA TERAPAN (PS603) PROGRAM STUDI PSIKOLOGI PENDIDIKAN SEKOLAH PASCA SARJANA UNIVERSITAS PENDIDIKAN INDONESIA 1 RENCANA PEMBELAJARAN SEMESTER 1. Identitas Nama
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DASAR Kode : EK11. B230 / 3 Sks
Minggu Pokok Bahasan ke dan TIU 1 1Pendahuluan tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika statistika Mahasiswa dapat menjelaskan kegunaan
Lebih terperinciSATUAN ACARA TUTORIAL (SAT) Mata Kuliah : Statistika Dasar/PAMA 3226 SKS : 3 SKS Tutorial : ke-1 Nama Tutor : Adi Nur Cahyono, S.Pd., M.Pd.
Tutorial : ke-1 Nama Tutor : a. Menjelaskan pengertian statistik; b. Menjelaskan pengertian statistika; c. Menjelaskan pengertian data statistik; d. Menjelaskan contoh macam-macam data; e. Menjelaskan
Lebih terperinciBab 1 PENDAHULUAN. 1.1.Latar Belakang
Bab 1 PENDAHULUAN 1.1.Latar Belakang Para peneliti maupun administrator dalam bidang bisnis, pendidikan, pemerintahan, ekonomi, maupun bidang lain, semuanya berkepentingan dalam masalah estimasi atau penaksiran.
Lebih terperinciYKRN
YKRN www.stioykpn.nc.fd STIE YKPN Yogyakarta Jl. Seturan, Depok, Sleman, Yogyakarta - 55281 Telp. (0274) 486321, (0274) 486160; Fax (0274) 486081 Website: www.stieykpn.ac.td SILABUS STATISTIKA I SEMESTER
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kode / SKS Program Studi Fakultas : Statistika Dasar : IT012244 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pendahuluan konsep statistika dan notasi penjumlahan 1.1. Konsep statistika
Lebih terperincidapat digunakan formulasi sebagai berikut : Letak Letak Letak
1. Ukuran Letak Agar kita dapat mengetahui lebih jauh mengenai karakteristik data observasi dengan beberapa ukuran sentral, kita sebaiknya mengetahui beberapa ukuran lain, yaitu ukuran letak. Ada tiga
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciSTATISTIKA II IT
STATISTIKA II IT-011227 Ummu Kalsum UNIVERSITAS GUNADARMA 2017 Keterlambatan : KONTRAK KULIAH MOHON KETERLAMBATAN TIDAK LEBIH 15 MENIT Sanksi atau hukuman, sebagai contoh: Menguraikan pengetahuan tentang
Lebih terperinciUji Hipotesis. Atina Ahdika, S.Si, M.Si. Universitas Islam Indonesia 2015
Uji Hipotesis Atina Ahdika, S.Si, M.Si Universitas Islam Indonesia 015 Definisi Hipotesis Suatu pernyataan tentang besarnya nilai parameter populasi yang akan diuji. Pernyataan tersebut masih lemah kebenarannya
Lebih terperinciBAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan
BAB II LANDASAN TEORI 21 Konsep Dasar Analisis Regresi Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan
Lebih terperinciPenaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar
Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1
Lebih terperinciSTATISTIKA INDUSTRI I. Agustina Eunike, ST., MT., MBA.
STATISTIKA INDUSTRI I Agustina Eunike, ST., MT., MBA. PERTEMUAN-1 DATA Data Hasil pengamatan pada suatu populasi Untuk mendapatkan informasi yang akurat Pengumpulan data Pengolahan data Penyajian data
Lebih terperinciPERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA
Saintia Matematika Vol. 1, No. 3 (2013), pp. 299 312. PERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA Raini Manurung, Suwarno Ariswoyo, Pasukat Sembiring Abstrak.
Lebih terperinciDistribusi Probabilitas Kontinyu Teoritis
Distribusi Probabilitas Kontinyu Teoritis Suprayogi Dist. Prob. Teoritis Kontinyu () Distribusi seragam kontinyu (continuous uniform distribution) Distribusi segitiga (triangular distribution) Distribusi
Lebih terperinciRENCANA PEMBELAJARAN
FAKULTAS TEKNOLOGI KOMUNIKASI DAN INFORMATIKA UNIVERSITAS NASIONAL RENCANA Matakuliah : Statistika Semester : 2 Kode : SKS : 2 Jurusan : Sistem Informasi Dosen : Ir. Endah Tri E.H.,MMSI Kompetensi : MINGGU
Lebih terperinciBAB 2 LANDASAN TEORI
14 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Kata regresi (regression) diperkenalkan pertama kali oleh Francis Dalton pada tahun 1886. Menurut Dalton, analisis regresi berkenaan dengan studi
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciSTATISTIKA DASAR ( FI 411 )
1 STATISTIKA DASAR ( FI 411 ) I. DESKRIPSI Mata Kuliah ini merupakan mata kuliah wajib bagi mahasiswa Fisika dan Pendidikan fisika. Hasil yang diharapkan dari perkuliahan ini adalah mahasiswa menguasai
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah Analisis Data Kategori Kode/sks : MAS 4232/3 Semester : IV Status (Wajib/Pilihan) : Wajib (W) Prasyarat : MAS
Lebih terperinciREVIEW BIOSTATISTIK DESKRIPTIF
REVIEW BIOSTATISTIK DESKRIPTIF POKOK BAHASAN 1. Konsep statistik deskriptif 2. Data dan variabel 3. Nilai Tengah (Ukuran Pusat), posisi dan variasi) pada data tunggal dan kelompok 4. Penyajian data 5.
Lebih terperinciSILABUS PEMBELAJARAN
SILABUS PEMBELAJARAN Nama Sekolah :... Mata Pelajaran : MATEMATIKA Kelas/Program : XI / IPS Semester : 1 STANDAR KOMPETENSI: 1. Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat peluang
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 terperinciProbabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata
Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi
Lebih terperinciSATUAN ACARA PERKULIAHAN
Topik Bahasan : Membahas Silabus Perkuliahan Tujuan Umum : Mahasiswa Mengetahui Komponen Yang Perlu Dipersiapkan Dalam Matakuliah Ini satu kali Tujuan 1 Menjelaskan tentang Mengakomodasi berbagai masukan
Lebih terperinciModul 1, Modul 2, Modul 3,
ix M Tinjauan Mata Kuliah ata kuliah Statistik Ekonomi merupakan mata kuliah keahlian khusus yang berisi tentang alat analisis yang digunakan untuk membantu memecahkan suatu permasalahan terutama dalam
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 terperinciANALISIS DATA KUANTITATIF
1 ANALISIS DATA KUANTITATIF Analisis data merupakan proses pengolahan, penyajian, dan interpretasi yang diperoleh dari lapangan agar data yang disajikan mempunyai makna. A. Tujuan Analisis Data 1. Menjawab
Lebih terperinciKONTRAK PEMBELAJARAN
Jurusan Teknik Sipil FT UNS Dokumen level 4: REKAMAN Judul : KONTRAK PEMBELAJARAN MK STATISTIKA DAN PROBABILITAS No. Dokumen F-JTS-20.01 Revisi ke 0 Tgl. berlaku 10 Sep 2007 Halaman 1 / 6 KONTRAK PEMBELAJARAN
Lebih terperinciRENCANA PELAKSANAAN PEMBELAJARAN (RPP)
RENCANA PELAKSANAAN PEMBELAJARAN (RPP) A. IDENTITAS Satuan Pendidikan Kelas / Semester Mata Pelajaran Program Pokok Bahasan Alokasi Waktu : Sekolah Menengah Atas : XI / 4 (empat) : Matematika : Umum :
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
Lebih terperinciInterval Estimation. Tjipto Juwono, Ph.D. May 20, TJ (SU) Interval Estimation May / 24
Interval Estimation Tjipto Juwono, Ph.D. May 20, 2015 TJ (SU) Interval Estimation May 2015 1 / 24 Outline 1 Pendahuluan 2 Pengertian Confidence Interval 3 Menghitung t 4 Menyusun Confidence Interval 5
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinci