RPKPS (RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER) PERANCANGAN PERCOBAAN Oleh. Drs. Riyanto, MSc. FAKULTAS BIOLOGI UNIVERSITAS MEDAN AREA M E D A N 2016
RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) 1. Nama Mata kuliah 2. Kode 3. SKS 4. Semester 5. Dosen pengasuh 6. Prasyarat : Perancangan Percobaan (Rancob) : : 3 : Ganjil (Wajib) : Drs. Riyanto, Msc : Statistika (Biostatistik) atau Biometri. 7. Diskripsi singkat Matakuliah ini adalah matakuliah program S1 yang mengkaji dan memberikan pemahaman tentang rancangan percobaan dengan design statistika yang baku 8. Tujuan Pembelajaran Mempelajari model analisa statistic dengan lingkup mampu merancang suatu percobaan dan mengaplikasikan design statistika yang sudah baku: RAL. RAK. Latin square dilanjutkan dengan RAL Faktorial dan split plot design. Setelah rancangannya cocok da nada hasil analina ANOVA nya, maka dilanjutkan dengan uji rata-rata dengan LSD, HSD (Tokey) dan DMRT. Jika datanya pada skala interval atau skala ratio maka dilanjutkan dengan analisa korelasi dan regresi. Untuk persamaan regresinys bisa linier atau dapat juga dalam bentuk kwadratik. 9. Out-come Pembelajaran Setelah memenuhi tujuan pembelajaran mata kuliah genetika ini mahasiswa diharapkan mampu: 1. Membuat analisis varians (Anova) untuk RAL, RAK, Latin aquare 2. Analisa rata-rata pasca Anova dengan Uji LSD, HSD dan DMRT 3. Memahami konsep percobaan RAL faktorial menganalisis dan mengambil 4. Memahami konsep percobaan Split-plot, menganalisis dan mengambil 5. Memahami korelasi (Pearson) dan regresi linier, membuat grafiknya dan analisanya. 6. Memahami korelasi regresi kwadratik, persamaan regresinya, grafiknya dan analisanya 7. Memahami korelasi (Spearman) untuk data nominal atau ordinal 8. Memahami statistika non parametrik uji Cochran, Uji Wilxocon, Uji Kruskal-Wallis dan uji freadman
10. Jumlah Jam Sesuai dengan ketentuan sks, maka 1 sks setara dengan 50 kegiatan dalam kelas, 50 kegiatan mandiri (internality driven), dan 50 tugas terstruktur yang diberikan oleh pengajar Kegiatan di dalam kelas (2 sks x 16 minggu): a. Kuliah, diskusi dan latihan di kelas = 28 jam (14 pertemuan) bobot @ = 70% (UTS +UAS) b. Ujian Tengah Semester (UTS) = 2 jam (1 pertemuan) bobot = 30 % c. Ujian Akhir Semester (UAS) = 2 jam (1 pertemuan) bobot = 40 % Total jam di kelas = 32 jam (16 pertemuan) Tugas = 20% Kehadiran = 10% ----------------------------------------------------------------------------------------------------------------------------- Total = 100 %
11. Rencana Pelaksanaan Pembelajaran (RPP) : Jadwal kegiatan mingguan Sbb. (1) Mingg u ke: (2) Kemampuan akhir yang direncanakan (3) Bahan Kajian (4) Metode Pembelajaran (5) Waktu (6) Pengalaman Belajar Mhs (7) Kriteria Penilaian & Indikator (8) Bobot 1 Mampu menjelaskan a. Ranc percob sbg bagian statistika b. Peranan Ranc Percob untuk penelitian c. Pentingnya Replikasi dan Randomosasi d. ANOVA 2 Mampu menjelaskan, a. variance dengan RAL b. hasil rata-rata dengan uji BNT (LSD) c. Menarik 3 Mampu menjelaskan, a. uji HSD b. Uji DMRT Rancob biasa dipakai untuk design percobaan khususnya di bidang Pertanian, Biologi, Kehutanan, Farmasi dll. Rancangan Acak lengkap (RAL), Uji LSD (BNT), table F, Tabel t Uji HSD dengan tabelnya dan Uji Duncant (DMRT) dengan tabelnya latihan, menghitung Menyimak kuliah, diskusi,,, 2
4 Mampu menjelaskan, a. variance dengan RAK b. hasil rata-rata dengan uji BNT (LSD) c. Menarik 5 Mampu menjelaskan, a. variance dengan latin square b. hasil rata-rata dengan uji BNT (LSD) c. Menarik 6 Mampu menjelaskan, a. Definisi RAL Faktorial b. Dua variable yang saling berinteraksi c. Dua variable yang tidak berinteraksi 7 Mampu menjelaskan, a. Main plot Rancangan Acak kelompok (RAK), Uji LSD (BNT), table F, Tabel t. Rancangan Latin Square (L-S), Uji LSD (BNT),table F, Tabel t Rancangan Acak Lengkap Faktorial, table F Rancangan petak berbagi (split-plot),,,,, 3
tratment b. Sub plot treatment c. Analisa jika tidak terjadi interaksi d. Analisa jika terjadi interaksi 8 UTS 9 Mampu menjelaskan, korelasi (Pearson) dan persamaan regresi linier dari dua set data Korelasi dan regresi lineier untuk data skala interval dan ratio. 10 Mampu menjelaskan, persamaan regresi kwadratik (non linier) dari dua set data 11 Mampu menjelaskan, menghitung korelasi spearman pada data skala ordinal dengan Statistik Non Parametrik 12 Mampu menjelaskan, Regresi keadratik untuk data skala interval dan ratio. Korelasi untuk data skala nominal atau ordinal Uji binomial dengan metoda Cochrans langsung, dan tanya membuat grafik,, membuat grafuk kwadratik, hepotesa,, 4
statistic non parametric menggunakan uji Cochrans 13 Mampu menjelaskan, statistic non parametric menggunakan uji Wilxocon 14 Mampu menjelaskan, statistic non parametric menggunakan uji Kruskal Wallis 15 Mampu menjelaskan, statistic non parametric menggunakan uji Freadman untuk data dengan skala nominal atau ordinal. Uji Wilxocon untuk membandingkan dua variable pada sampel yang sama pada Data ordinal, atau Data kuantitatif berbentuk ranking Uji Kruskal Wallis, seperti RAL tapi pada data skala nominal atau ordinal Uji freadman seperti RAK tapi pada data skala nominal atau ordinal langsung, dan tanya langsung, dan tanya 16 UAS hepotesa,, hepotesa,, hepotesa,, hepotesa,, 5
12. REFERENSI 1. Djarwoto, P (1987) Statistik Non Parametrik. BPFE Yogyakarta. 2. Gasper, V (1991). Tenik Analisis dalam Penelitian Percobaan. Penerbit Tarsito, Bandung 3. Gomez, K.A., A.A. Gomez. 1995. Prosedur statistik untuk penelitian pertanian. Edisi Kedua. Penerjemah : Endang Sjamsuddin, Justika S. Baharsyah. UI-Press. Jakarta. 4. Little M. T, Hill F J (1978) Agricultural Experimentation, Design and Analysis, John Wiley & Sons, New York. 5. Mattjik A.A., Made Sumertajaya. 2000. Perancangan Percobaan. IPB Press. Bogor. 6. Montgomery, D.C (2005) Design and Analysis of Experiments. 6 th Ed. John Willey & Sons. Inc 7. Ritonga A (1987) Statistika Terapan Untuk Penelitian, Lembaga Penerbit Fakultas Ekonomi UI, Jakarta. 8. Supangat A (2007). Statistika Dalam kajian Deskriptif, Inferensi Dan Non Parametrik. Kencana Penanda Media Group, Jakarta. 9. Steel R.G.D dan J.H. Torrie. 1989. Prinsip dan Prosedur Statistika. Alih Bahasa: Ir. Bambang Sumantri. Penerjemah:PT. Gramedia. Jakarta. 10. Sudjana, 2002. Metoda Statistika. Edisi 6, Tarsito, Bandung 11. Walpole, R.E (1995) Pengantar Statistika, Ed.3 Gramedia Pustaka Utama, Jakrta. 6
13.KEHADIRAN/PARTISIPASI Mahasiswa dituntut (selalu) hadir dan aktif di dalam mengikuti pelajaran. Mahasiswa diharapkan selalu mempersiapkan diri sebelum mengikuti peleajaran yang akan diberikan dengan membaca materi pelajaran di rumah. Aktivitas kelas meliputi: 1. Menyimak penjelasan dosen 2. Diskusi materi yang diberikan Dosen 3. Mengerjakan latihan dengan men pertanyaan dan latihan soal. 4. Mengumpulkan an latihan soal. Mengingat materi perkuliahan yang berkesinambungan dan membutuhkan partisipasi aktif para peserta baik individual maupun kelompok, kehadiran mahasiswa dalam setiap pertemuan sangatlah penting. Nilai 10 (sepuluh) persen untuk partisipasi mahasiswa diberikan sebagai berikut: Jumlah Ketidakhadiran (absen) 0-1 kali 2-3 kali 4-5 kali 6-7 kali 8-9 kali > 9 kali Nilai Kehadiran 10 % 8 % 6 % 4 % 2 % 0 % dan boleh mengikuti UAS 7
14. EVALUASI : Nilai akhir Mata Kuliah ini akan ditentukan berdasarkan nilai tes yang meliputi Midterm dan Ujian Akhir Semester (UAS), Kuis, Tugas-tugas dan Praktikum RUBRIK : EVALUASI PEMBELAJARAN SESI PROSE -DUR BEN- TUK SEKOR > 80 ( A) SEKOR 70-79 (B+ /B ) SEKOR 51-69 (C+/C ) SEKOR 40-50 ( D) SEKOR < 40 ( E ) BOBO T 1 Post Menguraikan Ranc Menguraikan Ranc Menguraikan Menguraikan menguraikan 5 % (UTS) percob bagian statistika, Peranannya penelitian, Pentingnya Replikasi dan Randomosasi serta ANOVA percob bagian statistika, Peranannya penelitian serta Pentingnya Replikasi dan Randomosasi tapi tidak menguraikan ANOVA Ranc percob serta Peranannya penelitian, tapi tidak menguraikan Replikasi dan Randomosasi serta ANOVA Ranc percob bagian statistika, tapi tidak menguraikan Peranannya penelitian, Pentingnya Replikasi, Randomosasi dan ANOVA Ranc percob bagian statistika, Peranannya penelitian, Pentingnya Replikasi dan Randomosasi serta ANOVA 2 Post 5 % (UTS) Anova pada RAL, menguji hasil rata-rata dengan uji BNT (LSD) dan Anova pada RAL tapi salah menguji hasil rata-rata dengan LSD Anova pada RAL tapi tidak menguji hasil rata-rata dengan LSD Anova pada RAL tapi salah dan tidak ada pengukian ratarata dengan LSD Anova pada RAL, menguji rata-rata dengan LSD 3 Post 5 % (UTS) menganalis uji HSD dan DMRT menganalis salah satu dari uji HSD atau DMRT menganalis kedua uji HSD dan DMRT satu saja dari uji HSD atau DMRT, itupun salah dan yang satu lagi tidak dikerjakan menganalis uji HSD dan DMRT 4 Post 5 % 8
5 Post 6 Post 7 Post (UTS) (UTS) (UTS) (UTS) Anova pada RAK, menguji hasil rata-rata dengan uji BNT (LSD) serta Anova pada latin square, menhuji hasil ratarata dengan uji BNT (LSD) dan RAL Faktorial baik pada dua variable yang saling berinteraksi ataupun yang tidak berinteraksi dan dapat penarik dengan bebar Anova pada Main plot treatment, Sub plot treatment serta Anova pada RAK tapi salah menguji hasil rata-rata dengan LSD Anova pada Latin square tapi salah menguji hasil rata-rata dengan LSD RAL Faktorial baik pada dua variable yang saling berinteraksi ataupun yang tidak berinteraksi tapi tidak Anova pada Main plot treatment, Sub plot treatment tapi salah Anova pada RAK tapi tidak menguji hasil rata-rata dengan LSD Anova pada Latin square tapi tidak menguji hasil rata-rata dengan LSD RAL Faktorial hanya satu saja dari variable yang saling berinteraksi ataupun yang tidak berinteraksi dan tidak Anova pada tapi tidak lasnjut ke Anova pada RAL tapi salah dan tidak ada pengujian ratarata dengan LSD Anova pada Latin square tapi salah dan tidak ada pengukian rata-rata dengan LSD RAL Faktorial dan tidak Anova serta tidak lanjut ke Anova pada RAK, menguji hasil ratarata dengan uji BNT (LSD) serta Anova pada latin square, menhuji hasil ratarata dengan uji BNT (LSD) dan RAL Faktorial baiak pada dua variable yang saling berinteraksi ataupun yang tidak berinteraksi Main plot treatment, Sub plot treatment serta 5 % 5 % 9
jika terjadi interaksi atau tidak terjadi interaksi dalam menyimpulkan adanya interaksi atau tidak adanya interaksi atau tidak 8 Ujian Tengah Semester 9 Post 10 Post 11 Post 12 Post (UAS) (UAS) (UAS) (UAS) korelasi (Pearson) dan persamaan regresi linier dari dua set data Menguraikan menghitung persamaan regresi kwadratik (non linier) dari dua set data, membuat grafik dan analisanya, menghitung korelasi spearman pada data skala ordinal dengan Statistik Non Parametrik, hepotesa dan statistic non parametric Cochrans, korelasi (Pearson) dengan benar tapi salah dalam persamaan regresi Menguraikan menghitung persamaan regresi kwadratik dengan jalan yang sudah benar tapi hgrafik dan analisanya salah, menghitung korelasi spearman dengan rumus benar dengan hasil benar tapi salah dalam hipotesa dan uji Cochrans dengan benar, hepotesa benar tapi salah korelasi (Pearson) dengan benar tapi tidak mencari persamaan regresi Menguraikan persamaan regresi kwadratik dengan benar tapi tidak ada grafik dan analisanya., menghitung korelasi dengan rumus salah dan salh pula hepotesanya ataupun nya uji Cochrans dengan benar tapi salah pada perumusan menghitung korelasi (Pearson) dan tidak mencari persamaan regresi menghitung persamaan regresi nya dan tidak ada grafik maupun analisanya., menghitung korelasi dan tidak ada hepotesa ataupun. uji Cochrans dan salah pula pada perumusan hepotesa maupun Analisa jika terjadi interaksi atau tidak terjadi interaksi korelasi (Pearson) dan persamaan regresi linier dari dua set data menguraikan persamaan regresi kwadratik (non linier) dari dua set data, menghitung korelasi spearman pada data skala ordinal dengan Statistik Non Parametrik statistic non parametric 10
13 Post (UAS) hepotesa dan. statistic non parametric Wilxocon, hepotesa dan dalam penarikan uji Wilxocon dengan benar, hepotesa benar tapi salah dalam penarikan hepotesa dan penarikan uji Wilxocon dengan benar tapi salah pada perumusan hepotesa dan nya uji Wilxocon dan salah pula pada perumusan hepotesa maupun nya Cochrans statistic non parametric Wilxocon 14 Post 15 Post (UAS) (UAS), statistic non parametric Kruskal Wallis, hepotesa dan statistic non parametric Freadman, hepotesa dan uji Kruskal Wallis dengan benar, hepotesa benar tapi salah dalam penarikan uji Freadman dengan benar, hepotesa benar tapi salah dalam penarikan uji Kruskal-Wallis dengan benar tapi salah pada perumusan hepotesa dan penarikan uji Freadman dengan benar tapi salah pada perumusan hepotesa dan penarikan 16 Ujian Akhir Semester uji Kruskal-Wallis dan salah pula pada perumusan hepotesa maupun nya uji Freadman dan salah pula pada perumusan hepotesa maupun nya, statistic non parametric Kruskal Wallis statistic non parametric Freadman 11
Komponen penilaian : PS (PARTISIPASI) = 10 % P/R/PR (TUGAS AKHIR) = 20 % UTS ( UJIAN TENGAH SEMESTER) = 30 % UAS ( UJIAN AKHIR SEMESTER) = 40 % NILAI A = 80 NILAI B+ = 75 - <80 NILAI B = 70 - <75 NILAI C+ = 65 - <70 NILAI C = 50 - <65 NILAI D = 40 - <50 NILAI E = <40 A = amat baik (very good) B = baik ( good) C = cukup (fair) D = jelek (bad) E = tidak lulus (fail) 12
15. Kompetensi Yang Dinilai Dari Hasil pembelajaran No. 1 2 3 4 5...... Dst. Nama Mahasiswa Score UTS (30%) Kriteria Penilaian Score Score UAS Tugas (40%) (20%) Score Kehadiran (10%) Nilai Akhir Angka Total Nilai Akhir Huruf Medan, 3 September 2016 Mengetahui, Ketua Program Studi, Dosen Pengampu, Ferdinand Susilo SSi, MSi Drs. Riyanto, MSc. 13