CAPAIAN PEMBELAJARAN MATA KULIAH STATISTIKA MULTIVARIAT : 1. Mampu menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada
sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi (B-2) 2. Mampu menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan
riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi (G-2)
5. Mahasiswa menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Diskriminan (mg ke 9-10)
2.Mahasiswa menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai uji dan seleksi data (mg ke 2)
4. Mahasiswa menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Cluster (mg ke 6-7)
1.Mahasiswa menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai
statistik multivariat (mg 1)
EVALUASI TENGAH SEMESTER (mg ke 8)
3. Mahasiswa menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai analisis faktor (mg ke 3-5)
8. Mahasiswa menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk
memberikan solusi melalui SEM (mg ke14-15)
6. Mampu menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui MANOVA (mg ke 11-12)
7. Mahasiswa menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui MDS dan CA (mg ke 13)
EVALUASI AKHIR SEMESTER (mg ke 16)
Garis Entry Behavior
UNIVERSITAS GUNADARMA FAKULTAS TEKNOLOGI INDUTRI JURUSAN / PROGRAM STUDI TEKNIK INDUSTRI
RENCANA PEMBELAJARAN SEMESTER (RPS) Nama Mata Kuliah Kode Mata
Kuliah Bobot (sks)
Semester Tgl Penyusunan
Statistika Multivariat AK043256 2 8 11 September 2019 Otorisasi Nama KoordinatorPengembang
RPS Koordinator Bidang Keahlian
(Jika Ada) Ka PRODI
Dr. Ina Siti Hasanah, S.T., M.T.
Dr. Ir. Rakhma Oktavina, M.T.
Capaian Pembelajaran (CP)
CPL-PRODI (Capaian Pembelajaran Lulusan Program Studi)Yang Dibebankan Pada Mata Kuliah B G
Mampu menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) Mampu meneliti dan menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi
CPMK (Capaian Pembelajaran Mata Kuliah)
B2 Mampu menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks
pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem
terintegrasi
G2 Mampu menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan
melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi
Diskripsi Singkat MK Konsep-konsep statistik dengan data yang berbentuk multivariat, serta mengaplikasikan konsep tersebut dalam menyelesaikan permasalahan sehari-hari
Bahan Kajian / Materi Pembelajaran
1. Uji dan Seleksi Data 2. Analisis Faktor 3. Analisis Cluster 4. Analisis Deskriminasi 5. MANOVA 6. Multidimensional Scaling dan Correspondence Analysis 7. SEM
Daftar Referensi Utama:
(1) Joseph F. Hair, William C. Black, Barry J. Babin, Rolph E. Anderson; 2013, Multivariate Data Analysis, edisi 8, cengange
(2) Singgih Santosa; 2010, Statistika Multivariat, PT. Elex media Komputindo (3) M.S. Idrus; 2013; Multivariate Data Analisis dan Nonparametrik Statistik Untuk Penelitian Bidang Manajemen, Zifatama Publishing. (4) Dr. Ir. Solimun, MS, dkk, 2017, Metode Statistika Multivariat Pemodelan Persamaan Struktural (SEM) Pendekatan WarpPLS, cetakan kedua, UB Press
Pendukung:
- Media Pembelajaran Perangkat lunak: Perangkat keras :
- Notebook danLCDProjector Nama Dosen Pengampu
-
Matakuliah prasyarat (Jika ada)
Statistika Industri
MingguKe-
Kategori CPMK Kemampuan akhir yg
direncanakan
Bahan Kajian (Materi Pembelajaran)
Bentuk dan Metode
Pembelajaran
Estimasi Waktu
Pengalaman Belajar Mahasiswa
Penilaian
Kriteria & Bentuk
Indikator
Bobot (%)
(1) (2) (3) (4) (5) (6) (7) (8) (9) 1 B2 Mampu menerapkan
matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai statistik multivariat
Pendahuluan • Pengertian Analisis
Multivariat • Jenis Data dalam Analisis
Multivariat • Klasifikasi Metode
Statistik Multivariat
• Bentuk: Kuliah
• Metode: ceramah, problem based learning
TM: 2x(2x50”)
Menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai statistik multivariat
Kriteria: Partisipasi mahasiswa
Bentuk non-test:
Ketepatan menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai statistik multivariat
10
2 B2 Mampu menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai uji dan seleksi data
Uji dan Seleksi Data • Jenis dan Cara Pengujian
Data • Missing Data Analysis • Perlakukan terhadap
Missing Data • Uji Data Outlier • Uji Normalitas • Uji Homoskedastisitas
Data • Uji Linieritas Data • Seleksi Data
• Bentuk: Kuliah
• Metode: ceramah, problem based learning
TM: 2x(2x50”)
Menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai uji dan seleksi data
Kriteria: Partisipasimahasiswa
Bentuk non-test:
Ketepatan menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai uji dan seleksi data
10
3 B2 Mampu menerapkan matematika, sains, dan prinsip rekayasa (engineering
Analisis Faktor • Tujuan Analisis Faktor • Jumlah sampel yang
ideal untuk analisis
• Bentuk: Kuliah
• Metode: ceramah,
TM: 2x(2x50”)
Menerapkan matematika, sains, dan prinsip rekayasa (engineering
Kriteria:
• Kelengkapan cara dan
Ketepatan menerapkan matematika, sains, dan prinsip rekayasa (engineering principles)
15
principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Faktor
faktor • Asumsi pada analisis
faktor
problem based learning, Tugas 1
principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Faktor
jawaban • Kebenara
n penggunaan rumus dan jawaban
Bentuk non-test:
untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Faktor
4 B2 Mampu menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Faktor
Analisis Faktor • Metode principal
component analysis • Rotasi faktor • Tahap Pertama Analisis
Faktor : Menilai Variabel yang Layak
• Bentuk: Kuliah
• Metode: ceramah, problem based learning
TM: 2x(2x50”)
Menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Faktor
Kriteria: Partisipasimahasiswa
Bentuk non-test:
Ketepatan menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Faktor
10
5 B2 Mampu menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai
Analisis Faktor • Tahap kedua analisis
faktor : proses factoring dan rotasi
• Tahap ketiga analisis faktor : validasi faktor
• Tahap keempat analisis faktor membuat faktor scores
• Bentuk: Kuliah
• Metode: ceramah, problem based learning
TM: 2x(2x50”)
Menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai
Kriteria: Partisipasimahasiswa
Bentuk non-test:
Ketepatan menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Faktor
10
Analisis Faktor Analisis Faktor
6 B2 Mampu menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Cluster
Analisis Cluster • Hal-hal pokok tentang
analisis cluster • Analisis cluster : K-
means cluster
• Bentuk: Kuliah
• Metode: ceramah, problem based learning, Tugas 2
TM: 2x(2x50”)
Menerapkan
matematika, sains, dan
prinsip rekayasa
(engineering
principles) untuk
menyelesaikan masalah
rekayasa kompleks
pada sistem
terintegrasi (meliputi
manusia, material,
peralatan, energi, dan
informasi) yang
diperlukan pada
pengoperasioan sistem
terintegrasi mengenai
Analisis Cluster a
Kriteria:
• Kelengkapan cara dan jawaban
• Kebenaran penggunaan rumus dan jawaban
Bentuk non-test:
Ketepatan menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Cluster
15
7 B2 Mampu menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Cluster
Analisis Cluster • Pengertian • Langkah-langkah
pengujian
• Bentuk: Kuliah
• Metode: ceramah, problem based learning
TM: 2x(2x50”)
Menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Cluster
Kriteria: Partisipasimahasiswa
Bentuk non-test:
Ketepatan menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Cluster
10
8 UJIAN TENGAH SEMESTER
9 B2 Mampu menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk
Analisis Diskriminan • Hal-hal pokok tentang
analisis diskriminan • Uji Variabel untuk dua
faktor
• Bentuk: Kuliah
• Metode: ceramah, problem
TM: 2x(2x50”)
Menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan
Kriteria: Partisipasimahasiswa
Bentuk non-
Ketepatan menerapkan matematika, sains, dan prinsip rekayasa (engineering
10
menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Diskriminan
• melakukan analisis diskriminan dua faktor
based learning
masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Diskriminan
test: principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Diskriminan
10 B2 Mampu menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Diskriminan
Analisis Diskriminan • Analisis diskriminan tiga
faktor • Logistic regression
• Bentuk: Kuliah
• Metode: ceramah, problem based learning, Tugas 3
TM: 2x(2x50”)
menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Diskriminan
Kriteria:
• Kelengkapan cara dan jawaban
• Kebenaran penggunaan rumus dan jawaban
Bentuk non-test:
Ketepatan menerapkan matematika, sains, dan prinsip rekayasa (engineering principles) untuk menyelesaikan masalah rekayasa kompleks pada sistem terintegrasi (meliputi manusia, material, peralatan, energi, dan informasi) yang diperlukan pada pengoperasioan sistem terintegrasi mengenai Analisis Diskriminan
15
11 G2 Mampu menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa
MANOVA • Hal-hal pokok tentang
MANOVA • General Linear Model
(GLM) • MANOVA (Factorial
Design)
• Bentuk: Kuliah
• Metode: ceramah, problem based learning, praktik laboratoriu
TM: 2x(2x50”)
Menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk
Kriteria: Partisipasi mahasiswa
Bentuk non-test:
Ketepatan menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi
10
informasi untuk memberikan solusi melalui MANOVA
m, self learning
memberikan solusi melalui MANOVA
data dan sintesa informasi untuk memberikan solusi melalui MANOVA
12 G2 Mampu menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui MANOVA
MANOVA • MANOVA (GLM
Multivariat) • Custom model
• Bentuk: Kuliah
• Metode: ceramah, problem based learning, praktik laboratorium
TM: 2x(2x50”)
Menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui MANOVA
Kriteria: Partisipasi mahasiswa
Bentuk non-test:
Ketepatan menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui MANOVA
10
13 G2 Mampu menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui MDS, dan CA
Multidimensional Scaling (MDS) dan Correspondence Analysis (CA) • Pengertian MDS dan CA • Multidimensional
Scaling (MDS) • Categorical Analysis
(CA)
• Bentuk: Kuliah
• Metode: ceramah, problem based learning, praktik laboratorium, self learning
TM: 2x(2x50”)
Menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui Multidimensional Scaling (MDS) dan Correspondence Analysis (CA)
Kriteria: Partisipasimahasiswa
Bentuk non-test:
Ketepatan menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui Multidimensional Scaling (MDS) dan Correspondence Analysis (CA)
10
14 G2 Mampu menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan
Struktural Equation Modeling (SEM) • Pengertian SEM • Pemodelan Persamaan
Struktural (SEM) • Contoh SEM
• Bentuk: Kuliah
• Metode: ceramah, problem based
TM: 2x(2x50”)
Menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset,
Kriteria: Partisipasi mahasiswa
Bentuk non-test:
Ketepatan menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip
10
melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui SEM
learning, praktik laboratorium
analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui Multidimensional Scaling (MDS) dan Correspondence Analysis (CA)
rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui Multidimensional Scaling (MDS) dan Correspondence Analysis (CA)
15 G2 Mampu menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui dan SEM
Struktural Equation Modeling (SEM) • LISREL 8.30 • AMOS • Generalized Structured
Component Analysis (GESCA)
• Bentuk: Kuliah
• Metode: ceramah, problem based learning, praktik laboratorium, self learning
TM: 2x(2x50”)
Menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui Struktural Equation Modeling (SEM)
Kriteria: Partisipasi mahasiswa
Bentuk non-test:
Ketepatan menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi melalui Struktural Equation Modeling (SEM)
10
FORMAT RANCANGAN TUGAS 1
Nama Mata Kuliah : Statistika Industri SKS : 2
Program Studi : Teknik Industri Pertemuan ke : 3
Fakultas : Teknologi Industri
A. TUJUAN TUGAS : Mahasiwa mampu memahami, membedakan konsep dan metode distribusi sampling. Mahasiswa mampu menyelesaikan persoalan dari distribusi sampling
B. URAIAN TUGAS :
a. Obyek Garapan Persoalan distribusi sampling
b. Metode atau Cara pengerjaan ▪ Carilah referensi berupa jurnal / artikel ilmiah terkait distribusi sampling. ▪ Membuat soal dan menyelesaikan soal berdasarkan teori yang didapatkan. ▪ Tes tertulis dan dikerjakan secara mandiri.
c. Deskripsi Luaran tugas yang dihasilkan : Menyelesaikan minimal 5 soal perhitungan.
C. KRITERIA PENILAIAN (15 %)
Kelengkapan cara dan jawaban
Kebenaran penggunaan rumus dan jawaban
FORMAT RANCANGAN TUGAS 2
Nama Mata Kuliah : Statistika Industri SKS : 2
Program Studi : Teknik Industri Pertemuan ke : 6
Fakultas : Teknologi Industri
B. TUJUAN TUGAS : Mahasiwa mampu memahami, membedakan konsep dan metode pendugaan parameter. Mahasiswa mampu menyelesaikan persoalan dari pendugaan parameter.
B. URAIAN TUGAS :
d. Obyek Garapan Persoalan pendugaan parameter
e. Metode atau Cara pengerjaan ▪ Carilah referensi berupa jurnal / artikel ilmiah terkait pendugaan parameter. ▪ Membuat soal dan menyelesaikan soal berdasarkan teori yang didapatkan. ▪ Tes tertulis dan dikerjakan secara mandiri.
f. Deskripsi Luaran tugas yang dihasilkan : Menyelesaikan minimal 5 soal perhitungan.
C. KRITERIA PENILAIAN (15 %)
Kelengkapan cara dan jawaban
Kebenaran penggunaan rumus dan jawaban
FORMAT RANCANGAN TUGAS 3
Nama Mata Kuliah : Statistika Industri SKS : 2
Program Studi : Teknik Industri Pertemuan ke : 10
Fakultas : Teknologi Industri
C. TUJUAN TUGAS : Mahasiwa mampu memahami, membedakan konsep dan metode uji hipotesis. Mahasiswa mampu menyelesaikan persoalan dari uji hipotesis.
B. URAIAN TUGAS :
a. Obyek Garapan Persoalan uji hipotesis
b. Metode atau Cara pengerjaan ▪ Carilah referensi berupa jurnal / artikel ilmiah terkait uji hipotesis ▪ Membuat soal dan menyelesaikan soal berdasarkan teori yang didapatkan. ▪ Tes tertulis dan dikerjakan secara mandiri.
c. Deskripsi Luaran tugas yang dihasilkan : Menyelesaikan minimal 5 soal perhitungan.
C. KRITERIA PENILAIAN (15 %)
Kelengkapan cara dan jawaban
Kebenaran penggunaan rumus dan jawaban
GRADING SCHEME COMPETENCE
KRITERIA 1 : Kelengkapan cara dan jawaban
DIMENSI Sangat Memuaskan Memuaskan Batas Kurang Memuaskan Di bawah standard SKOR
Kelengkapan cara
dan jawaban Lengkap, terpadu dan
sistematis
Lengkap Dapat menentukan rumus yang
digunakan dalam menyelesaikan
persoalan
Hanya mengetahui data
yang diketahui
Tidak ada
jawaban apapun
2
KRITERIA 2 : Kebenaran penggunaan rumus dan jawaban
DIMENSI Sangat Memuaskan Memuaskan Batas Kurang Memuaskan Di bawah standard SKOR
Kebenaran
penggunaan
rumus dan
jawaban
Lengkap, terpadu dan
sistematis
Lengkap Dapat menentukan rumus
yang digunakan dalam
menyelesaikan persoalan
Hanya mengetahui data yang
diketahui
Tidak ada jawaban
apapun
2