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 untuk mata kuliah sbb: Kode Mata Kuliah : MUG2D3 Nama Mata Kuliah : Probabilitas dan Statistika Bandung, Agustus 2015 Mengetahui Kaprodi S1 Teknik Informatika M. Arif Bijaksana, Ph.D 2
DAFTAR ISI LEMBAR PENGESAHAN... 2 DAFTAR ISI... 3 A. PROFIL MATA KULIAH... 4 B. RENCANA PEMBELAJARAN SEMESTER (RPS)... 4 C.... 6 D. RANCANGAN TUGAS... 9 E. PENILAIAN DENGAN RUBRIK... 11 F. PENENTUAN NILAI AKHIR MATA KULIAH... 17 3
A. PROFIL MATA KULIAH IDENTITAS MATA KULIAH Nama Mata Kuliah : Probabilitas dan Statistika Kode Mata Kuliah : MUG2D3 SKS : 3 Jenis : MK Wajib Jam Pelaksanaan : Tatap muka di kelas = 2 jam per minggu Semester / Tingkat : 4 / 2 Pre-requisite : - Co-requisite : - Praktikum di kelas = 1 jam per minggu DESKRIPSI SINGKAT MATA KULIAH Kuliah ini memberikan gambaran singkat kapada mahasiswa tentang statistika termasuk didalamnya ilmu peluang ( probabilitas). Sesuai dengan nama kuliahnya, porsi ilmu peluang yang diberikan dalam kuliah ini memang cukup besar. Pada awal awal kuliah, mahasiswa mendapatkan gambaran gambaran singkat tentang statistika termasuk penyajian data secara sederhana melalui materi ukuran statistik dan statistika deskriptif. DAFTAR PUSTAKA 1. Ronald E Walpole, Pengantar Statistika, edisi ke 3, PT Gramedia Pustaka Utama, Jakarta. 1997 2. Robert V Hogg, Allen T Craig, introduction to mathematical statistics fifth edition, Prentice Hall, New Jersey. 07632 4
B. RENCANA PEMBELAJARAN SEMESTER (RPS) Minggu ke- 1 2 3 4 Kemampuan Akhir yang Diharapkan Mahasiswa dapat memahami Statistika dan Teori Peluang Mahasiswa dapat menentukan nilai ukuran dalam statistik Mahasiswa dapat mememahami Teori Peluang Mahasiswa dapat memahami dan menghitung Peluang Bersyarat Bahan Kajian (Materi Ajar) 1. Statistika & Statistik EDA dan CDA 2. Teori Peluang 1. Ukuran Pemusatan dan Ukuran Penyebaran. 2. Box-plot & Stem plot 1. Konsep Dasar Teori Peluang 2. Pendekatan proba-bilitas secara : axiomatic objective subjective 1. Peluang bersyarat 2. Probabilistically independent 3. Teorema Bayes Bentuk/ Metode/ Strategi Pembelajaran Kriteria Penilaian (Indikator) Mahasiswa dapat : 1. membedakan antara statistik dan statistika 2. mengetahui penggunaan teori peluang dalam statistika Mahasiswa dapat : 1. menghitung : mean, median, mode, range, lower/ middle/ upper quartile, variance, standard deviation 2. membuat box plot dan stem plot 3. menentukan outlier dan kemencengan distribusi Mahasiswa dapat : 1. Menjelaskan mengenai: random experiment, sample space dan event 2. Membedakan probabilitas secara axiomatic, objective dan subjective. 3. Menggunakan teorema probabilitas Mahasiswa dapat : 1. Memahami peluang ber-syarat 2. Mmahami bebas secara statistically Bobot Nilai 5% 5% 5% 5% 5
5 6 7 8 9 Mahasiswa dapat memahami Counting Technique Mahasiswa dapat memahami variabel random (VR) Mahasiswa dapat memahami Probability Distributions Fungsi Distribusi (FD) Mahasiwa dapat menentukan peluang suatu event melalui FD Mahasiswa dapat menentukan momen dan ekspektasi VR 1. Analisa Kombinatorik 2. Kaitan antara analisa kombinatorik dengan teori peluang 1. Konsep Dasar VR 2. Macam-macam VR 1. Probability massfunction (pmf) 2. Probability density function (pdf) 3. Fungsi distribusi kumulatif 1. Peluang suatu event melalui FD 2. Transformasi dari VR 1. Ekspektasi dari variabel random deskrit dan kontinu 2. Momen, Mean dan Variansi 3. Fungsi pembangkit 3. Mengaplikasikan konsep dasar dari peluang bersyarat Mahasiswa dapat: 1. Memahami perbedaan antara permutasi dan kombinasi 2. Mengaplikasikan teori peluang dalam kehidupan sehari-hari Mahasiswa dapat 1. Mendefinisikan vr sebagai mapping 2. Memahami event space dan probability space 3. Membedakan vr deskrit, vr kontinu dan vr campuran Mahasiswa dapat: 1. Membedakan antara pdf dan pmf 2. Memahami sifat dari pdf dan pmf 3. Memahami definisi fungsi distribusi berikut sifat dan grafiknya Mahasiswa dapat: 1. Memahami dan mampu menghitung peluang suatu event melalui FD 2. Memahami dan dapat menghitung pdf/pmf dari transformasi satu variabel random Mahasiswa dapat : 1. Membedakan antara ekspektasi variabel random deskrit dan kontinu 2. Menghitung momen pertama, kedua, kaitan antara variansi dan momen 5% 5% 10% 10% 10% 6
10 11 12 Mahasiswa dapat memahami Teorema Markov dan Chebyshev Mahasiswa dapat memahami Distribusi VR Diskrit Mahasiswa dapat memahami Distribusi VR Kontinu momen dan fungsi karakteristik Menurunkan teorema Markov dan teorema Chebyshev 1. Distribusi Bernoulli dan Binomial 2. Distribusi Poisson 3. Distribusi Hipergeo-metrik, 4. Distribusi Geometrik, 5. Distribusi Pascal 1. Distribusi Normal 2. Hampiran Normal ter-hadap Binomial 3. Distribusi Uniform 4. Distribusi Eksponensial 5. Distribusi Gamma, Distribusi Beta, Distribusi Chikuadrat Distribusi t 6. Distribusi Weibull 3. Membedakan antara fungsi pembangkit momen dan fungsi karakteristik Mahasiswa dapat 1. Memahami teorema Markov dan Chebyshev 2. Mengaplikasikan teorema Markov dan Chebyshev Mahasiswa dapat 1. Memahami pdf distribusi normal beserta distribusi normal standard 2. Membaca tabel normal 3. Memahami teorema DeMoivre- Laplace 4. Memahami pdf dan fungsi distribusi berikut mean dan variansi 5. Memahami pdf dan fungsi distribusi berikut mean dan variansi 6. Memahami pdf dari masingmasing distribusi, berikut mean dan variansi Mahasiswa dapat 1. Memahami pdf distribusi normal beserta distribusi normal standard 2. Membaca tabel normal 3. Memahami teorema DeMoivre- Laplace 4. Memahami pdf dan fungsi distribusi berikut mean dan variansi 5. Memahami pdf dan fungsi distribusi berikut mean dan variansi 6. Memahami pdf dari masing- 10% 10% 10% 7
13 14 Mahasiswa dapat memahami Dalil Limit Pusat Mahasiswa dapat memahami Regresi Linier dan Korelasi Distribusi dari sample total dan sample mean yang berasal dari random sample berdistribusi normal 1. Regresi Linier 2. Korelasi 3. masing distribusi, berikut mean dan variansi 1. Memahami metode kuadrat terkecil dan pendugaan koefisien regresi linier 2. Memahami adanya atau tidak adanya hubungan antara dua VR, melalui koefisien korelasi. Mahasiswa dapat 1. Memahami metode kuadrat terkecil dan pendugaan koefisien regresi linier 2. Memahami adanya atau tidak adanya hubungan antara dua VR, melalui koefisien korelasi. 10% 10% 8
C. Kemampuan Akhir yang Diharapkan Mahasiswa dapat memahami Statistika dan Teori Peluang 1. Statistika & Statistik EDA dan CDA 2. Teori Peluang Minggu Penggunaan Strategi (Metode) Minggu ke 1 terkait materi yang telah diberikan Kemampuan Akhir yang Diharapkan Mahasiswa dapat menentukan nilai ukuran dalam statistik 1. Ukuran Pemusatan dan Ukuran Penyebaran. 2. Box-plot & Stem plot Minggu Penggunaan Strategi (Metode) Minggu ke 2 9
Kemampuan Akhir yang Diharapkan Mahasiswa dapat mememahami Teori Peluang 1. Konsep Dasar Teori Peluang 2. Pendekatan proba-bilitas secara : axiomatic objective subjective Minggu Penggunaan Strategi (Metode) Minggu ke 3 Kemampuan Akhir yang Diharapkan Mahasiswa dapat memahami dan menghitung Peluang Bersyarat 1. Peluang bersyarat 2. Probabilistically independent 3. Teorema Bayes Minggu Penggunaan Strategi (Metode) Minggu ke 4 10
Menjelaskan tentang tujuan Menyimak penjelasan dosen. Kemampuan Akhir yang Diharapkan Mahasiswa dapat memahami Counting Technique 1. Analisa Kombinatorik 2. Kaitan antara analisa kombinatorik dengan teori peluang Minggu Penggunaan Strategi (Metode) Minggu ke 5 11
Kemampuan Akhir yang Diharapkan Mahasiswa dapat memahami variabel random (VR) 1. Konsep Dasar VR 2. Macam-macam VR Minggu Penggunaan Strategi (Metode) Minggu ke 6 Kemampuan Akhir yang Diharapkan Mahasiswa dapat memahami Probability Distributions Fungsi Distribusi (FD) 1. Probability mass-function (pmf) 2. Probability density function (pdf) 3. Fungsi distribusi kumulatif Minggu Penggunaan Strategi (Metode) Minggu ke 7 12
terkait materi yang telah diberikan Kemampuan Akhir yang Diharapkan Mahasiwa dapat menentukan peluang suatu event melalui FD 1. Peluang suatu event melalui FD 2. Transformasi dari VR Minggu Penggunaan Strategi (Metode) Minggu ke 8 Kemampuan Akhir yang Diharapkan Mahasiswa dapat menentukan momen dan ekspektasi VR 1. Ekspektasi dari variabel random deskrit dan kontinu 2. Momen, Mean dan Variansi 3. Fungsi pembangkit momen dan fungsi karakteristik 13
Minggu Penggunaan Strategi (Metode) Minggu ke 9 Kemampuan Akhir yang Diharapkan Mahasiswa dapat memahami Teorema Markov dan Chebyshev Menurunkan teorema Markov dan teorema Chebyshev Minggu Penggunaan Strategi (Metode) Minggu ke 10 14
Kemampuan Akhir yang Diharapkan Mahasiswa dapat memahami Distribusi VR Diskrit 1. Distribusi Bernoulli dan Binomial 2. Distribusi Poisson 3. Distribusi Hipergeo-metrik, 4. Distribusi Geometrik, 5. Distribusi Pascal Minggu Penggunaan Strategi (Metode) Minggu ke 11 Kemampuan Akhir yang Diharapkan Mahasiswa dapat memahami Distribusi VR Kontinu 1. Distribusi Normal 2. Hampiran Normal ter-hadap Binomial 3. Distribusi Uniform 4. Distribusi Eksponensial 5. Distribusi Gamma, Distribusi Beta, Distribusi Chi-kuadrat Distribusi t Distribusi Weibull Minggu Penggunaan Strategi (Metode) Minggu ke 12 15
Menjelaskan tentang tujuan Menyimak penjelasan dosen. Kemampuan Akhir yang Diharapkan Mahasiswa dapat memahami Dalil Limit Pusat Distribusi dari sample total dan sample mean yang berasal dari random sample berdistribusi normal Minggu Penggunaan Strategi (Metode) Minggu ke 13 Menjelaskan tentang tujuan Menyimak penjelasan dosen. 16
Kemampuan Akhir yang Diharapkan Mahasiswa dapat memahami Regresi Linier dan Korelasi 1. Regresi Linier 2. Korelasi Minggu Penggunaan Strategi (Metode) Minggu ke 14 D. PENENTUAN NILAI AKHIR MATA KULIAH Tata Cara Penilaian Ujian Tengah Semester: 50% Ujian Akhir Semester: 50% Nilai Skor Matakuliah (NSM) Nilai Mata Kuliah (NMK) 80 < NSM A 70 < NSM 80 AB 65 < NSM 70 B 60 < NSM 65 BC 50 < NSM 60 C 40 < NSM 50 D NSM 40 E 17