Student Information System
RPS: Session, Learning Material, Reference, Assessment/Rubric
Info
Search Subject
Subject Name :
Landscape
Kode Matakuliah
Nama Matakuliah
sks
Creator
Reviewer
Action
Kurikulum Sistem Informasi 2023/2024
III6307
Probabilitas dan Statistika
3.00
2128 Dr. Dedy Sugiarto
1762 Drs. Syaifudin -, M.Si., Ph.D.
RPS
|
Assessment Map
Matakuliah tidak ditemukan
RPS Detail
Matakuliah
Profile
History
Kode Matakuliah
III6307
Nama Matakuliah
Probabilitas dan Statistika
sks
3.00
Semester Name
Subject Code
Subject Name
Group Name
Group Code
Portofolio
Genap 2023/2024 (R)
III6307
Probabilitas dan Statistika
SI-01
01
Portofolio
Genap 2023/2024 (Rmd)
III6307
Probabilitas dan Statistika
SI-01
01
Portofolio
Review History
RPS Review History
No
Review
Review By
Review Date
1
Sudah sesuai
Syaifudin
2024-07-10 15:54:53
2
KAD sudah sesuai
Syaifudin
2024-07-10 15:55:08
3
Bobot nilai 100%
Syaifudin
2024-07-10 15:55:28
4
Pertemuan ada 14 sudah sesuai dg KAD dan bahan kajian
Syaifudin
2024-07-10 15:56:14
Capaian Pembelajaran (CP) terkait
Capaian Pembelajaran (CP)
KETRAMPILAN KHUSUS
1
Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
CPMK 1 Memahami pengertian probabilitas, statistika, sains data dan mengenal penggunaan Python atau R untuk statistika dalam sains data
CPMK 1 Understand the meaning of probability, statistics, data science and get to know the use of Python or R for statistics in data science
(2,1)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
KAD 1 Memahami definisi statistika deskriptif dan inferensia & peran statistika dalam sains data
KAD 1 Understand the definition of descriptive and inferential statistics & the role of statistics in data science
(2,1)
2
Show/Hide
CPMK 2 mampu meringkas dan menyajikan data (statistika deskriptif) melalui penggunaan python atau R
CPMK 2 is able to summarize and present data (descriptive statistics) through the use of Python or R
(3,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
KAD 2 Melakukan perhitungan berbagai ukuran-ukuran statistika (lokasi, keragaman, bentuk) untuk meringkas data menggunakan python atau R
KAD 2 Calculate of various statistical measures (location, dispersion, shape) to summarize data using Python or R
(3,3)
2
KAD 3 Melakukan eksplorasi data statistik menggunakan Python atau R
KAD 3 Explore statistical data using Python or R
(3,3)
3
Show/Hide
CPMK 3 Melakukan perhitungan probabilitas kejadian dan probabilitas peubah acak
CPMK 3 Calculate the probability of events and the probability of random variables
(3,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
KAD 4 Mampu memahami konsep ruang sampel dan kejadian serta menghitung titik sampel
KAD 4 Able to understand the concept of sample space and events and counting sample points
(2,2)
2
KAD 5 Mampu memahami aturan-aturan probabilitas, menghitung probabilitas kejadian, probabilitas bersyarat serta probabilitas kejadian dengan menggunakan kaidah bayes
KAD 5 Able to understand the rules of probability, calculate the probability of an event, the conditional probability and the probability of an event using the Bayesian Rule
(3,3)
3
KAD 6 Mampu menghitung peluang peubah acak binom dan poisson
KAD 6 Able to calculate probability of binomial and poisson random variables
(3,3)
4
KAD 7 Mampu menghitung peluang peubah acak normal dan eksponensial
KAD 7 Able to calculate probability of normal and exponential random variables
(3,3)
4
Show/Hide
CPMK 4 Mampu menghitung pendugaan interval serta pengujian hipotesis dari parameter populasi
CPMK 4 Able to calculate interval estimation and hypothesis testing of population parameters
(3,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
KAD 8 Mampu menghitung pendugaan interval untuk satu rata-rata populasi, selisih dua rata-rata populasi, satu proporsi populasi dan selisih dua proporsi populasi secara manual dan menggunakan python atau R
KAD 8 Able to calculate interval estimation for one population mean, the difference between two population means, one population proportion and the difference between two population proportions manually and using python or R
(3,3)
2
KAD 9 Mampu melakukan pengujian hipotesis untuk satu rata-rata populasi dan satu proporsi populasi secara manual dan menggunakan python atau R
KAD 9 Able to perform hypothesis testing for one population mean and one population proportion manually and using python or R
(3,3)
3
KAD 10 Mampu melakukan pengujian kesesuaian dengan distribusi normal serta pengujian hubungan antar dua peubah kategorik (uji kebebasan)
KAD 10 Able to perform goodness of fit test for normal distribution and test the relationship between two categorical variables (independence test)
(3,3)
7
Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
CPMK 5 Mampu melakukan analisis regresi dan korelasi
CPMK 5 Able to perform regression and correlation analysis
(3,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
KAD 11 Mampu membuat, menguji dan menginterpretasi persamaan regresi linier sederhana dan berganda menggunakan python atau R
KAD 11 Be able to create, test and interpret simple and multiple linear regression equations using python or R
(3,3)
2
KAD 12 Mampu menampilkan, menguji dan menginterpretasi korelasi linier antar variabel menggunakan python atau R
KAD 12 Be able to display, test, and interpret linear correlations between variables using python or R
(3,3)
2
Show/Hide
CPMK 6 Mampu melakukan analisis ragam
CPMK 6 Able to carry out analysis of variance
(3,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
KAD 13 Mampu memahami konsep analisis ragam dan rancangan eksoerimen serta melakukan dan interpretasi analisis ragam satu arah menggunakan python atau R
KAD 13 Able to understand the concept of analysis of variance and experimental design and perform and interpret one-way analysis of variance using python or R
(3,3)
3
Show/Hide
CPMK 7 Mampu melakukan uji statistika non parametrik
CPMK 7 Able to perform non-parametric statistical tests
(3,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
KAD 14 Mampu melakukan dan interpretasi hasil pengujian statistika non parametrik Mann-Whitney U, Wilcoxon Signed-Rank, Kruskal-Wallis, Spearman Correlation menggunakan python atau R
AD 14 Able to perform and interpret the results of non-parametric statistical tests Mann-Whitney U, Wilcoxon Signed-Rank, Kruskal-Wallis, Spearman Correlation using python or R
(3,3)
RPS per Session
Sesi Ke
KAD
Bahan Kajian
Metoda Pembelajaran
Waktu Belajar (Menit)
Pengalaman Belajar Mahasiswa
Referensi
Kriteria Penilaian (Indikator)
1
Pengertian statistika, pembagian ilmu statistika, peran statistika dalam sains data, pengenalan python dan R
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi dan mengerjakan soal latihan, praktek menggunakan python/R
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Thomas Haslwanter(2016)
Tugas - 5.00 %
Praktikum - 3.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 1 Memahami pengertian probabilitas, statistika, sains data dan mengenal penggunaan Python atau R untuk statistika dalam sains data
CPMK 1 Understand the meaning of probability, statistics, data science and get to know the use of Python or R for statistics in data science
KAD
: KAD 1 Memahami definisi statistika deskriptif dan inferensia & peran statistika dalam sains data
KAD 1 Understand the definition of descriptive and inferential statistics & the role of statistics in data science
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan dan kelengkapan laporan praktikum
Accuracy and completeness of practical reports
Praktikum 3.00 %
PI Description
PI Assessment Methods
2. Keaktifan dalam pembelajaran di kelas
Activeness in learning in class
Tugas 5.00 %
2
Penyajian data menggunakan ukuran-ukuran statistika
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Praktikum - 3.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 2 mampu meringkas dan menyajikan data (statistika deskriptif) melalui penggunaan python atau R
CPMK 2 is able to summarize and present data (descriptive statistics) through the use of Python or R
KAD
: KAD 2 Melakukan perhitungan berbagai ukuran-ukuran statistika (lokasi, keragaman, bentuk) untuk meringkas data menggunakan python atau R
KAD 2 Calculate of various statistical measures (location, dispersion, shape) to summarize data using Python or R
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dan kelengkapan laporan praktikum
Accuracy and completeness of practical reports
Praktikum 3.00 %
3
Eksplorasi dan visualisasi data
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Praktikum - 3.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 2 mampu meringkas dan menyajikan data (statistika deskriptif) melalui penggunaan python atau R
CPMK 2 is able to summarize and present data (descriptive statistics) through the use of Python or R
KAD
: KAD 3 Melakukan eksplorasi data statistik menggunakan Python atau R
KAD 3 Explore statistical data using Python or R
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dan kelengkapan laporan praktikum
Accuracy and completeness of practical reports
Praktikum 3.00 %
4
Konsep ruang sampel, kejadian dan menghitung titik sampel, peluang kejadian dan peluang peubah acak
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Tugas - 5.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 3 Melakukan perhitungan probabilitas kejadian dan probabilitas peubah acak
CPMK 3 Calculate the probability of events and the probability of random variables
KAD
: KAD 4 Mampu memahami konsep ruang sampel dan kejadian serta menghitung titik sampel
KAD 4 Able to understand the concept of sample space and events and counting sample points
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dan kelengkapan tugas
Accuracy and completeness of tasks
Tugas 5.00 %
5
Aturan-aturan probabilitas, probabilitas suatu kejadian, probabilitas bersyarat dan kaidah bayes
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Ujian Tengah Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 3 Melakukan perhitungan probabilitas kejadian dan probabilitas peubah acak
CPMK 3 Calculate the probability of events and the probability of random variables
KAD
: KAD 5 Mampu memahami aturan-aturan probabilitas, menghitung probabilitas kejadian, probabilitas bersyarat serta probabilitas kejadian dengan menggunakan kaidah bayes
KAD 5 Able to understand the rules of probability, calculate the probability of an event, the conditional probability and the probability of an event using the Bayesian Rule
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan menjawab soal ujian
Accuracy in answering exam questions
Ujian Tengah Semester 5.00 %
6
Probabilitas peubah acak binom dan poisson
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Ujian Tengah Semester - 10.00 %
Praktikum - 3.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 3 Melakukan perhitungan probabilitas kejadian dan probabilitas peubah acak
CPMK 3 Calculate the probability of events and the probability of random variables
KAD
: KAD 6 Mampu menghitung peluang peubah acak binom dan poisson
KAD 6 Able to calculate probability of binomial and poisson random variables
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan dan kelengkapan laporan praktikum
Accuracy and completeness of practical reports
Praktikum 3.00 %
PI Description
PI Assessment Methods
2. Ketepatan menjawab soal ujian
Accuracy in answering exam questions
Ujian Tengah Semester 10.00 %
7
Probabilitas peubah acak normal dan eksponensial, aplikasi sebaran normal dan eksponensial
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Ujian Tengah Semester - 10.00 %
Praktikum - 3.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 3 Melakukan perhitungan probabilitas kejadian dan probabilitas peubah acak
CPMK 3 Calculate the probability of events and the probability of random variables
KAD
: KAD 7 Mampu menghitung peluang peubah acak normal dan eksponensial
KAD 7 Able to calculate probability of normal and exponential random variables
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan menjawab soal ujian
Accuracy in answering exam questions
Ujian Tengah Semester 10.00 %
PI Description
PI Assessment Methods
2. Ketepatan dan kelengkapan laporan praktikum
Accuracy and completeness of practical reports
Praktikum 3.00 %
8
Pendugaan interval rata-rata dan proporsi populasi
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Praktikum - 3.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 4 Mampu menghitung pendugaan interval serta pengujian hipotesis dari parameter populasi
CPMK 4 Able to calculate interval estimation and hypothesis testing of population parameters
KAD
: KAD 8 Mampu menghitung pendugaan interval untuk satu rata-rata populasi, selisih dua rata-rata populasi, satu proporsi populasi dan selisih dua proporsi populasi secara manual dan menggunakan python atau R
KAD 8 Able to calculate interval estimation for one population mean, the difference between two population means, one population proportion and the difference between two population proportions manually and using python or R
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dan kelengkapan laporan praktikum
Accuracy and completeness of practical reports
Praktikum 3.00 %
9
Pengujian hipotesis untuk satu rata-rata dan satu proporsi populasi
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi dan mengerjakan soal latihan, praktek menggunakan python/R
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Praktikum - 3.00 %
Ujian Akhir Semester - 5.00 %
Tugas - 5.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 4 Mampu menghitung pendugaan interval serta pengujian hipotesis dari parameter populasi
CPMK 4 Able to calculate interval estimation and hypothesis testing of population parameters
KAD
: KAD 9 Mampu melakukan pengujian hipotesis untuk satu rata-rata populasi dan satu proporsi populasi secara manual dan menggunakan python atau R
KAD 9 Able to perform hypothesis testing for one population mean and one population proportion manually and using python or R
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan dan kelengkapan laporan praktikum
Accuracy and completeness of practical reports
Praktikum 3.00 %
PI Description
PI Assessment Methods
2. Ketepatan menjawab soal ujian
Accuracy in answering exam questions
Ujian Akhir Semester 5.00 %
PI Description
PI Assessment Methods
3. Ketepatan dan kelengkapan tugas
Accuracy and completeness of tasks
Tugas 5.00 %
10
Pengujian kesesuaian distribusi (Goodness of Fit) dan uji kebebasan (independence test)
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Praktikum - 3.00 %
Ujian Akhir Semester - 5.00 %
Tugas - 5.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 4 Mampu menghitung pendugaan interval serta pengujian hipotesis dari parameter populasi
CPMK 4 Able to calculate interval estimation and hypothesis testing of population parameters
KAD
: KAD 10 Mampu melakukan pengujian kesesuaian dengan distribusi normal serta pengujian hubungan antar dua peubah kategorik (uji kebebasan)
KAD 10 Able to perform goodness of fit test for normal distribution and test the relationship between two categorical variables (independence test)
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan menjawab soal ujian
Accuracy in answering exam questions
Ujian Akhir Semester 5.00 %
PI Description
PI Assessment Methods
2. Ketepatan dan kelengkapan laporan praktikum
Accuracy and compeleteness of practical reports
Praktikum 3.00 %
PI Description
PI Assessment Methods
3. Ketepatan dan kelengkapan tugas
Accuracy and completenss of tasks
Tugas 5.00 %
11
Konsep regresi, regresi linier sederhana, regresi linier berganda
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Ujian Akhir Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: CPMK 5 Mampu melakukan analisis regresi dan korelasi
CPMK 5 Able to perform regression and correlation analysis
KAD
: KAD 11 Mampu membuat, menguji dan menginterpretasi persamaan regresi linier sederhana dan berganda menggunakan python atau R
KAD 11 Be able to create, test and interpret simple and multiple linear regression equations using python or R
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan menjawab soal ujian
Accuracy in answering exam questions
Ujian Akhir Semester 5.00 %
12
Korelasi linier, scatter plot, koefisien determinasi
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Praktikum - 3.00 %
CAPAIAN PEMBELAJARAN
: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: CPMK 5 Mampu melakukan analisis regresi dan korelasi
CPMK 5 Able to perform regression and correlation analysis
KAD
: KAD 12 Mampu menampilkan, menguji dan menginterpretasi korelasi linier antar variabel menggunakan python atau R
KAD 12 Be able to display, test, and interpret linear correlations between variables using python or R
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dan kelengkapan laporan praktikum
Accuracy and completeness of practical reports
Praktikum 3.00 %
13
Analisis ragam satu arah
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi dan mengerjakan soal latihan, praktek menggunakan python/R
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Praktikum - 3.00 %
Ujian Akhir Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: CPMK 6 Mampu melakukan analisis ragam
CPMK 6 Able to carry out analysis of variance
KAD
: KAD 13 Mampu memahami konsep analisis ragam dan rancangan eksoerimen serta melakukan dan interpretasi analisis ragam satu arah menggunakan python atau R
KAD 13 Able to understand the concept of analysis of variance and experimental design and perform and interpret one-way analysis of variance using python or R
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan dan kelengkapan laporan praktikum
Accuracy and completeness of practical reports
Praktikum 3.00 %
PI Description
PI Assessment Methods
2. Ketepatan menjawab soal ujian
Accuracy in answering exam questions
Ujian Akhir Semester 5.00 %
14
Statistika non parametrik
Tutorial
Diskusi
150.00
Mendengarkan paparan dosen, berdiskusi dan mengerjakan soal latihan, praktek menggunakan python/R
Walpole RE, Myers RH, Myers SL, Ye K(2016)
Ujian Akhir Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: CPMK 7 Mampu melakukan uji statistika non parametrik
CPMK 7 Able to perform non-parametric statistical tests
KAD
: KAD 14 Mampu melakukan dan interpretasi hasil pengujian statistika non parametrik Mann-Whitney U, Wilcoxon Signed-Rank, Kruskal-Wallis, Spearman Correlation menggunakan python atau R
AD 14 Able to perform and interpret the results of non-parametric statistical tests Mann-Whitney U, Wilcoxon Signed-Rank, Kruskal-Wallis, Spearman Correlation using python or R
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan menjawab soal ujian
Accuracy in answering exam questions
Ujian Akhir Semester 5.00 %
Assessment Component
Assessment Detail
No
Component Name
Weightage
1
Praktikum
30
2
Tugas
20
3
Ujian Akhir Semester
25
4
Ujian Tengah Semester
25
Total
100
Daftar Referensi
1. Walpole RE, Myers RH, Myers SL, Ye K. Probability & Statistics for Engineers & Scientists 9th Edition. Pearson Education Limited. 2016
2. Thomas Haslwanter. An Introduction to Statistics with Python. Springer. 2016
Notice
: Trying to get property of non-object in
/var/www/html/sis/application/controllers/IndexController.php
on line
978