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 : Mampu berkomunikasi secara lisan tertulis dalam bahasa Indonesia 3. CP 15.3 : Mampu mengelola bekerja dalam tim 4. CP 15.4 : Bertanggung jawab atas hasil kerja mandiri kelompok 5. CP 18.2 : Mampu bekerjasama 6. CP 18.4 : Menghargai orang lain 7. CP 18.5 : Patuh pada aturan tertulis tidak tertulis CP3.3 meliputi 6 sub Capaian Peman, yaitu : CP3.3K1 sd CP3.3K6 B. Untuk mencapai CP di atas diperlukan sebagai berikut : Pengantar Pemrograman menggunakan macro MINITAB, SAS, MATLAB, R; komputasi statistik deskriptif; pendugaan pengujian parameter satu, dua k populasi, komputasi analisis regresi linear non-linear, bootstrap, jackknife, topik khusus komputasi yang lainnya. C. CP secara umum KKNI Level 6 Kemampuan Penguasaan pengetahuan Mampu pemrograman MINITAB, SAS, MATLAB, R atau S-PLUS 6.2 Mampu memformulasikan penyelesaian masalah menggunakan dasar-dasar algoritma komputasi untuk metode Kemampuan kerja 6.3. Mampu mengimplementasikan pengetahuan pemrograman dasar algoritma komputasi untuk metode statistika dalam macro program paket statistika seperti MINITAB, SAS, MATLAB, R atau S-PLUS. 6.4 Mampu menyelesaikan masalah 6.5 Mampu beradaptasi terhadap masalah-masalah dalam pengambilan keputusan yang memerlukan komputasi statistika Kemampuan manajerial 6.6 Mampu mengambil keputusan yang tepat berdasarkan hasil pemrograman komputasi statistika 6.7 Memberikan petunjuk memilih solusi masalah baik secara mandiri & kelompok 6.8 Bertanggung jawab dalam mengerjakan tugas-tugas kuliah Sikap tata nilai Memiliki etika profesi, kerjasama, menghargai orang lain, patuh aturan, cerdas amanah kreatif
RP-S1-SK-03 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 2 dari 5 Capaian Peman 1-2 3-4 CP3.3K1.1: Dapat pemrograman MINITAB CP3.3K1.2: Dapat pemrograman SAS 1. Dapat pemrograman macro MINITAB. antara global local macro. Dapat pemrograman SAS Pengantar Pemrograman Macro Minitab - Global Macro - Local Macro Pengantar Pemrograman SAS - Struktur Program SAS - Procedure dalam SAS [2] [6] 5%/5% 5%/10% 5-6 CP3.3K1.3: Dapat pemrograman Matlab 1. Dapat pemrograman Matlab penggunaan script function Pengantar Pemrograman Matlab - Script - Function [4] 5%/15% 7-8 CP3.3K1.4: Dapat pemrograman R 1. Mampu membaca data dari berbagai file text data SAS/SPSS 2. Dapat Pengantar Pemrograman R - Menjalankan R - Struktur data R - Membaca data [7] 5%/20%
RP-S1-SK-03 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 3 dari 5 Capaian Peman pemrograman R - Manajemen data 9-10 CP3.3K2: Mampu menjelaskan dasar-dasar algoritma program statistika deskriptif untuk komputasi statistika deskriptif dengan menggunakan program MINITAB, SAS, MATLAB, R Deskriptif menggunakan salah satu program paket, a.l: - kovarian/ korelasi - determinan [2] [5] - [7] 1. PBL 15%/35% 11-18 CP3.3K3: Mampu menjelaskan dasar-dasar algoritma program komputasi pendugaan parameter satu dua populasi serta. untuk komputasi pendugaan pengujian parameter satu dua populasi dengan menggunakan MINITAB, SAS, MATLAB, R - Komputasi Pendugaan Pengujian Parameter Satu Dua Populasi menggunakan salah satu program paket - Bootstrap Jacknife - [7] 1. PBL 20%/55%
RP-S1-SK-03 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 4 dari 5 Capaian Peman 19-24 25-28 29-32 CP3.3K4: Mampu menjelaskan dasar algoritma program komputasi analisis regresi linear & non linear serta pemeriksaan asumsi error & meng-implementasikannya CP3.3K5: Mampu memahami dasar algoritma program untuk komputasi regresi bootstrap jacknife dalam program paket CP3.3K6: Mampu memahami dasar algoritma pembangkitan bilangan acak & untuk komputasi analisis regresi linear non linear serta pemeriksaan asumsi error dengan menggunakan MINITAB, SAS, MATLAB, R untuk komputasi regresi bootstrap jacknife dengan menggunakan MINITAB, SAS, MATLAB, R 1. Mampu memahami algoritma pembangkitan bilangan acak dalam program MINITAB, SAS, MATLAB, R Komputasi analisis regresi linear non linear serta pemeriksaan asumsi error menggunakan salah satu program paket Regresi bootstrap jacknife: - Berbasis pengamatan - Berbasis residual Pembangkitan bilangan acak - Invers - Acceptance Rejection - Composition - Convolution - [7] 1. PBL - [7] 1. PBL [6] [7] [8] 20%/75% 20%/95% 5%/100%
RP-S1-SK-03 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 5 dari 5 Capaian Peman antara metode Invers, Acceptance Rejection, Composition Convolution. 5. PBL Pustaka : 1. Manual Minitab, SAS, Matlab, R. 2. Joaquim P. Marques de Sá. 2007. Applied Statistics Using SPSS, STATISTICA, MATLAB and R. Springer-Verlag, Berlin Heidelberg 3. Bradley Efron Robert J. Tibshirani. 1993. An Introduction to the Bootstrap. Chapman and Hall, Inc. 4. B. F. J. Manly. 1997. Randomization, Bootstrap and Monte Carlo Method in Biology. Chapman and Hall, London. 5. Wendy L. Martinez Angel R. Martinez. 2002. Computational Statistics Handbook with MATLAB. Chapman & Hall/CRC. USA 6. Michele M. Burlew. 2006. SAS Macro Programming Made Easy, Second Edition. Cary, NC: SAS Institute Inc. 7. Robert A. Muenchen. 2009. R for SAS and SPSS Users. Springer. New York, USA. 8. Law A. M. David Kelton, W. 2000. Simulation Modelling Analysis. McGraw Hill. New York, USA