RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Metode Simulasi Kode/ss : MAS 4243/2 Semester : Genap Status (Wajib/Pilihan) : P Prasyarat : MAS 4211, MAS 4101 Nama Dosen Pengampu : B. TUJUAN PEMBELAJARAN I II III Mahasiswa mampu menerapan teni-teni pembangitan bilangan Mahasiswa mampu melauan model-model di Riset Operasi Mahasiswa mampu melauan model-model Statistia C. CAPAIAN PEMBELAJARAN Setelah menempuh mata uliah ini diharapan mahasiswa dapat : Parameter Rincian Desripsi Desripsi KK KK1 (3) Mampu membangitan data KK2 (3) Mampu memilih metode analisis secara tepat sesuai permasalahan di big eonomi menerapannya pada data. KK3 (1) Menari esimpulang dari hasil analisis secara sahih (2) Mampu menyajian hasil bai secara lisan maupun tertulis sesuai aidah ilmiah P P1 (1) Mampu menguasai teori statistia (3) Mampu mengidentifiasi masalah memilih metode analisis yang tepat P2 (1) Menguasai minimal dua perangat luna statistia, termasu yang berbasis open source (2) Mampu membuat program menggunaan perangat luna statistia KU Mampu menerapan pemiiran logis, ritis, siss, inovatif dalam ontes pengembangan atau implementasi ilmupengetahuan tenologi yang memperhatian menerapan nilai humaniora yang sesuai dengan big eahliannya KU2 Mampu menunjuan inerja mandiri, bermutu, teruur Mampu mengaji impliasi pengembangan atau implementasi ilmupengetahuan tenologi yang memperhatian menerapan nilai humaniora sesuai dengan eahliannya berdasaran aidah, tata cara etia ilmiah dalam ranga menghasilan solusi, KU6 Mampu memelihara mengembangan jaringan erja dengan pembimbing, olega, sejawat bai di dalam maupun di luar lembaganya SK SK 7 Taat huum disiplin dalam ehidupan bermasyaraat bernegara; SK 8 Menginternalisasi nilai, norma, etia aademi
SK 9 Menunjuan siap bertanggungjawab atas peerjaan di big eahliannya secara mandiri KK = Ketrampilan Khusus P = Pengetahuan KU = Ketrampilan Umum S = Siap
D. RENCANA PEMBELAJARAN Mgg I II Bahan Kajian Pendahulu an Simulasi Monte Carlo Sub Bahan Kajian Kontra uliah Ruang lingup Metode Simulasi terminologi dasar - Definisi tujuan Monte Carlo - Contoh Monte Carlo model deterministi - Contoh Monte Carlo model Stoasti - Langah- Kuliah (*) Integra tif Bentu Pembelajaran Respons Semina Pratium i r/presen (*) tutorial tasi(*) (*) Desripsi Tugas Desripsi Pratium Kemampuan ahir (**) SK7 SK8
III IV V Pembang itan Peubah Aca Disrit Pembang itan Peubah Aca Kontinyu Pembang itan Peubah Aca Kontinyu langah Monte Carlo - Penggunaan pembangit bilangan aca uniform - Contoh penggunaan peubah aca disrit pada Monte Carlo single period inventory - Inverse Tranformation Methods - Acceptance Rejection Methods - Algoritma Konvolusi - Penerapan algoritma untu pembangitan peubah berdistribusi normal, Tugas membangitan peubah aca ontinyu disrit. Algoritma diterapan dengan bahasa program min excel Tugas membangitan peubah aca ontinyu disrit. Algoritma diterapan dengan bahasa program min excel P22 P22
Erlang VI Kuis - Materi pertemuan e 1 s/d 5 VII X XI Contoh pembang itan bilangan aca Contoh pembang itan bilangan aca Analisis Statistia untu output - Contoh Simulasi Kasus Antrian single server - Analisis ebaian sistem hasil - Contoh Simulasi Kasus model sediaan probabilisti - Peran ulangan dalam untu uji hipotesis pembentuan selang epercayaan bagi ebaian Konte stual Minggu VIII IX UTS terjadwal dari Faultas KU2 SK7 SK8 SK9
XII XIII Analisis Statistia untu output Contoh pada modelmodel statistia sistem - Metode Subinterval - Metode Repliasi - Metode regenerative - Peran di statistia - Pembangitan data sesuai model regresi, deret watu, model linier atau model linier umum Pendistribusian tugas per elompo untu mempratean pada sistem inventory, sistem antrian model statistia beserta analisis statistia bagi output yang dihasilan XIV Kuis - Konte stual KU2 SK7 SK8 SK9 XV Prate - Kolabor Simulasi pada
XVI Simulasi Presentasi Tugas Prate Simulasi Presentasi Tugas a ontes tual - Kolabor a ontes tual sistem inventory, sistem antrian model statistia beserta analisis statistia bagi output yang dihasilan Simulasi pada sistem inventory, sistem antrian model statistia beserta analisis statistia bagi output yang dihasilan (*) Metode pembelajaran pada setiap bentu pembelajaran mengacu pada pasal 14.3 permen NOMOR 49 TAHUN 2014 (**) Mengacu pada capaian pembelajaran *** contoh lihat di arateristi pembelajaran. Pasal 11 SNPT P22 KU2 KU6 SK9 KK32 P22 KU2 KU6 SK9 E. SISTEM PENILAIAN No Indiator Penilain Bobot
Penilaian 1. Kehadiran/Keatifan 5% 2. Kuis 15% 3. Tugas/Presentasi 20% 4. UTS 30% 5. UAS 30% Jumlah 100% Note: Bobot nilai tugas (presentasi, responsi) minimal 27% Bobot nilai pratium sesuai bobot ss Nilai ahir : menggunaan standar penilaian F. Daftar Referensi Kisaran Nilai 80.1 75.1 80.0 B+ 70.1 75.0 B 65.1 70 C+ 55.1 65.0 C 50.1 55.0 D+ 45.1 50.0 D 45 E Kriteria (Huruf Mutu) A 1. Winston, W.L. 2004. Operation Research: Applications and Algorithms. 4th Ed. Thomson Broos/Cole. Southban, Vic. 2. Morgan, B. J. T. 1984. Elements of Simulation. 3. Law, A. M. and W. Kelton. 1991. Simulation Modeling and Analysis. 4. Kaiay, T. J. 2004. Pengantar Sistem Simulasi
G. Assesmen Hasil Belajar Dilauan oleh Ketua KBI selau penjamin mutu, melalui proses evaluasi tentang esesuaian antara rencana realisasi proses pembelajaran, esesuaian soal ujian materi, esesuaian sistem indiator penilaian. H. Penanggung Jawab Kualitas Proses Pengajaran Mata Kuliah Ketua Program Studi bertinda sebagai penanggung jawab ualitas proses pengajaran mata uliah