(1MB) LO_KKNI_S3_STK__4_Feb_2013_.pdf

RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK)

DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

PROGRAM DOKTOR STATISTIKA

DEPARTEMEN STATISTIKA

FAKULTAS MATEMATIKA DAN IPA

2 0 1 2

I. Deskripsi Lulusan Program Doktor STK

Parameter Deskripsi Unsur-unsur Deskripsi

A. Kemampuan Bidang Kerja

A.1. Memiliki kemampuan memformulasikan permasalahan dalam rangka

pengembangan keilmuan statistika

A.2. Memiliki kemampuan mengevaluasi dan mengembangkan metodologi

rancangan pengumpulan data yang efisien

A.3. Memiliki kemampuan mengevaluasi dan mengembangkan metodologi analisis

data

A.4. Memiliki kemampuan menerjemahkan hasil analisis sesuai dengan konteks

yang dihadapi dan menyajikan hasil analisis dalam bentuk yang mudah

dipahami

B. Lingkup Kerja Berdasarkan Pengetahuan yang Dikuasai

Memiliki kemampuan, pengetahuan dan landasan teori statistika yang kuat untuk

mengembangkan rancangan pengumpulan dan analisis data dalam memecahkan

masalah kuantitatif secara efektif dan efisien, serta mampu mengelola

pelaksanaannya.

C. Kemampuan Manajerial

Memiliki sikap kritis dan terbuka dalam memimpin dan mengembangkan riset

kuantitatif yang bermanfaat bagi ilmu pengetahuan dan kemaslahatan umat

manusia serta mampu mendapat pengakuan nasional maupun internasional.

II. Capaian Pembelajaran (Learning Outcome, (LO))

Unsur-unsur Deskripsi Learning Outcomes (LO)

A.1. Memiliki kemampuan memformulasikan

permasalahan dalam rangka

pengembangan keilmuan statistika

a. Memiliki kemampuan kritis dalam mengidentifikasi permasalahan pengembangan keilmuan statistika

b. Mampu berpikir kreatif dan inovatif dalam perumusan masalah pengembangan keilmuan statistika

A.2. Memiliki kemampuan mengevaluasi dan

mengembangkan metodologi rancangan

pengumpulan data yang efisien

a. Mampu merumuskan tahapan pengembangan metodologi pengumpulan data yang tepat sesuai dengan permasalahan

b. Mampu mengevaluasi metodologi pengumpulan data yang dikembangkan

A.3. Memiliki kemampuan mengevaluasi dan

mengembangkan metodologi analisis data

a. Mampu merumuskan tahapan pengembangan metodologi analisis data yang tepat sesuai dengan permasalahan

b. Mampu mengevaluasi metodologi analisis data yang dikembangkan

A.4. Memiliki kemampuan menerjemahkan hasil

analisis sesuai dengan konteks yang

a. Mampu menarik kesimpulan secara sah dari hasil analisis yang dilakukan dan mengkaitkannya

Unsur-unsur Deskripsi Learning Outcomes (LO)

dihadapi dan menyajikan hasil analisis

dalam bentuk yang mudah dipahami

dengan permasalahan yang dihadapi b. Mampu menyajikan hasil analisis secara informatif c. Mampu mengkomunikasikan hasil analisis data

baik dalam bentuk laporan tertulis maupun pemaparan lisan menggunakan bahasa yang mudah dipahami oleh bidang ilmu lain

B. Memiliki kemampuan, pengetahuan dan

landasan teori statistika yang kuat untuk

mengembangkan rancangan pengumpulan

dan analisis data dalam memecahkan

masalah kuantitatif secara efektif dan efisien,

serta mampu mengelola pelaksanaannya.

1. Memiliki pengetahuan statistika lanjut tentang metode pengumpulan data, komputasi statistik, dan analisis data, serta landasan teori yang kuat

2. Mampu menerapkan statistika di berbagai bidang terapan

C. Memiliki sikap kritis dan terbuka dalam

memimpin dan mengembangkan riset

kuantitatif yang bermanfaat bagi ilmu

pengetahuan dan kemaslahatan umat

manusia serta mampu mendapat pengakuan

nasional maupun internasional.

1. Mampu memimpin dan bekerja dalam tim 2. Memiliki etika penerapan statistika yang baik 3. Memiliki sikap kritis dan terbuka dalam

pengelolaan kegiatan penelitian

III. Rancangan Kurikulum berbasis Kompetensi

Mata Kuliah A.1.a A.1.b A.2.a A.2.b A.3.a A.3.b A.4.a A.4.b A.4.c B.1 B.2 C.1 C.2 C.3

PPS702 = Falsafah Sains V V V V V V V V V V V

STK701 = Teori Sukatan (Measure Theory) V V V V V V

STK702 = Teori Peluang Lanjut V V V V V V

STK703 = Teori Statistika Madya V V V V V V

STK791 = Topik Khusus Statistika V V V V V V V V V V V V

STK731 = Model Linear Terampat V V V V

PPS701 = Kolokium V V V V V

PPS790 = Seminar V V V V V V V V V V

PPS799 = Penelitian dan Disertasi V V V V V V V V V V V V V V

STK633 = Analisis Data Lanjutan V V V V V V V V V V V V

STK642 = Analisis Daya Tahan

STK652 = Psikometrika V V V V

IV. Rancangan GBPP dan Kompetensi Matakuliah

IV.1. Teori Peluang Lanjut (STK702)

A. Matriks Kompetensi


STK702 = Teori Peluang Lanjut v v v v v v

Konsep Dasar Peluang v v v

Peubah Acak v v v

Nilai Harapan v v v

Kekonvergenan Barisan Peubah Acak

v v v

Rantai Markov v

Proses Poisson v

Kajian Lanjut Proses Poisson

v v

Pendugaan Fungsi Intensitas Global pada Proses Poisson Periodik

v v v

B. Garis-garis Besar Program Pengajaran (GBPP)

Fakultas/Prodi : MIPA / Statistika

Mata Kuliah / Kode : Teori Peluang Lanjut / STK702

Semester / SKS : Ganjil / 3(3-0)

Deskripsi Mata Kuliah : Pada mata kuliah ini dibahas materi-materi teori peluang dengan pendekatan teori ukuran (measure theory),

serta contoh penggunaannya pada penelitian. Materi yang dibahas adalah sebagai berikut: Konsep Dasar

Peluang, Peubah Acak, Nilai Harapan, Kekonvergenan Barisan Peubah Acak, Rantai Markov (Diskret), Proses

Poisson, Pendugaan Fungsi Intensitas Global pada Proses Poisson Periodik dan Pendugaan Fungsi Intensitas

Lokal pada Proses Poisson Periodik.

Mata Kuliah Prasyarat : Teori Statistika (STK501) , Teori Statistika II (STK502)

Standar Kompetensi : Setelah mengikuti matakuliah ini mahasiswa akan dapat menjelaskan: konsep-konsep teori peluang (Konsep

Dasar Peluang, Peubah Acak, Nilai Harapan, Kekonvergenan Barisan Peubah Acak, Rantai Markov dan Proses

Poisson) dengan pendekatan teori ukuran (measure theory) dan contoh penggunaannya pada penelitian

statistika.

No. Kompetensi Standar

Indikator Pengalaman

Belajar (Model

Pembelajaran)

Materi Pokok

(Materi Ajar)

Alokasi

Waktu

(menit)

Bahan / Sumber

Belajar

Penilaian

1. Setelah menyelesaikan topik ini,

mahasiswa mampu menjelaskan

konsep dasar peluang

Menjelaskan Aksioma Peluang

Menjelaskan Ruang Peluang Diskret

Menjelaskan Peluang Bersyarat

Menjelaskan Kejadian Bebas

Mind Mapping Konsep Dasar

Peluang

4 x 50’ 1,2,3 Tes Tertulis Essay



konsep peubah acak

Menjelaskan Peubah Acak

Menjelaskan Vektor Acak

Menjelaskan Kebebasan Peubah Acak

Mind Mapping Peubah Acak 4 x 50’ 1,2,3 Tes Tertulis Essay



Menjelaskan Ukuran Lebesgue-Stieltje

Mind Mapping Nilai Harapan 5 x 50’ 1,2,3 Tes Tertulis Essay



Belajar (Model

Pembelajaran)

Materi Pokok

(Materi Ajar)

Alokasi

Waktu

(menit)

Bahan / Sumber

Belajar

Penilaian

Konsep nilai harapan Menjelaskan Integral

Menjelaskan Nilai Harapan dan Momen



kekonvergenan

Barisan peubah acak

Menjelaskan Kekonvergenan dalam Peluang

Menjelaskan Kekonvergenan Lengkap

Menjelaskan Kekonvergenan Hampir Pasti

Menjelaskan Kekonvergenan dalam Sebaran

Mind Mapping Kekonvergenan

Barisan Peubah

Acak

4 x 50’ 1,2,3 Tes Tertulis Essay



konsep dan sifat-sifat Rantai

Markov

Menjelaskan Pengertian Rantai Markov

Menjelaskan Peluang Transisi n-step

Menjelaskan Klasifikasi State

Menjelaskan Rantai Markov dalam Steady State

Mind Mapping Rantai Markov 4 x 50’ 4 Tes Tertulis Essay



konsep dan sifat-sifat Proses

Poisson homogen

Menjelaskan Proses Pencacahan

Menjelaskan Proses Poisson

Menjelaskan Waktu antar kedatangan dan waktu tunggu

Menjelaskan Sebaran bersyarat waktu kedatangan

Mind Mapping Proses Poisson 4 x 50’ 4 Tes Tertulis Essay



konsep UMVUE

Menjelaskan Sifat-sifat Lanjutan Proses Poisson

Menjelaskan Proses Poisson nonhomogen

Menjelaskan Proses Poisson Majemuk

Menjelaskan Proses Poisson Periodik

Mind Mapping Kajian Lanjut Proses Poisson

4 x 50’ 4 Tes Tertulis Essay



Belajar (Model

Pembelajaran)

Materi Pokok

(Materi Ajar)

Alokasi

Waktu

(menit)

Bahan / Sumber

Belajar

Penilaian



konsep pendugaan Fungsi

intensitas global pada Proses

Poisson periodik

Menjelaskan Perumusan Penduga

Menjelaskan Kekonsistenan Penduga

Menjelaskan Sebaran Asimtotik Penduga

Mind Mapping Pendugaan Fungsi

Intensitas Global

pada Proses

Poisson Periodik




konsep pendugaan Fungsi

intensitas lokal pada Proses

Poisson periodik

Menjelaskan Perumusan Penduga

Menjelaskan Kekonsistenan Penduga

Menjelaskan Sifat-sifat Statistik Penduga

Menjelaskan Sebaran Asimtotik Penduga

Mind Mapping Pendugaan Fungsi

Intensitas Lokal

pada

Proses Poisson

Periodik


Pustaka:

1. Ash, R. B. 2000. Probability and Measure Theory. Second Edition. Academic Press, New York.

2. Billingsley, P. 1995. Probability and Measure. Third Edition. John Wiley & Sons, New York.

3. Chung, K. L. 2001. A Course in Probability Theory. Third Edition. Academic Press, New York.

4. Ross, S. M. 1996. Stochastic Processes. Second Edition. John Wiley & Sons, New York.

IV.1. Teori Statistika Madya (STK703)

A. Matriks Kompetensi


STK703 = Teori Statistika Madya v v v v v v

Review konsep-konsep penting teori peluang

v

Populasi, sampel dan model v v

Statistik, kecukupan dan kelengkapan

v v

Teori keputusan statistika v v v v v v

Inferensia statistika v v v v v

Kriteria dan inferensia asimtotik

v v v v v

UMVUE v v

LSE pada model linear v v

Pendugaan tak bias pada masalah survei

v v

Penduga-penduga tak bias asimtotik

v v

Keputusan dan penduga Bayes

v v v

Minimaxity dan admissibility v v

Metode kemungkinan maksimum

v v

Pendugaan efisien asimtotik

v v v v

C. Garis-garis Besar Program Pengajaran (GBPP)

Fakultas/Prodi : MIPA / Statistika

Mata Kuliah / Kode : Teori Statistika Madya / STK703

Semester / SKS : Ganjil / 3(3-0)

Deskripsi Mata Kuliah : Pada mata kuliah ini dibahas materi-materi teori statistika dengan pendekatan teori ukuran (measure theory).

Materi yang dibahas adalah: (i) Materi Dasar Statistika, yang meliputi: populasi, sampel dan model, statistik,

kecukupan dan kelengkapan, teori keputusan statistika, inferensia statistika, kriteria dan inferensia asimtotik.

(ii) Pendugaan tak Bias, yang meliputi topik: UMVUE, LSE pada model linear, penduga tak bias pada masalah

survei, penduga tak bias asimtotik. (iii) Pendugaan pada Model Parametrik, yang meliputi topik: keputusan dan

penduga Bayes, minimaxity dan admissibility, metode kemungkinan maksimum, pendugaan efisien asimtotik.

Mata Kuliah Prasyarat : Teori Statistika (STK501) , Teori Statistika II (STK502)

Standar Kompetensi : Setelah mengikuti matakuliah ini mahasiswa akan dapat menjelaskan: konsep-konsep teori statistika dengan

pendekatan teori ukuran, untuk materi (i) Materi Dasar Statistika, yang meliputi: populasi, sampel dan model,

statistik, kecukupan dan kelengkapan, teori keputusan statistika, inferensia statistika, kriteria dan inferensia

asimtotik. (ii) Pendugaan tak Bias, yang meliputi topik: UMVUE, LSE pada model linear, penduga tak bias pada

masalah survei, penduga tak bias asimtotik. (iii) Pendugaan pada Model Parametrik, yang meliputi topik:

keputusan dan penduga Bayes, minimaxity dan admissibility, metode kemungkinan maksimum, pendugaan

efisien asimtotik.

No. Kompetensi Standar Indikator Pengalaman Belajar (Model Pembelajaran)

Materi Pokok (Materi Ajar)

Alokasi Waktu (menit)

Bahan / Sumber Belajar

Penilaian

1. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep-konsep penting teori peluang

Menjelaskan konsep-konsep penting teori peluang

Mind Mapping Review konsep-konsep penting teori peluang


2. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep populasi, sampel dan model

Menjelaskan Populasi dan sampel

Menjelaskan Model parametrik dan nonparametrik

Menjelaskan Keluarga

Mind Mapping Populasi, sampel dan model






Penilaian

eksponensial dan skala-lokasi

3. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep statistik, kecukupan dan kelengkapan

Menjelaskan Statistik dan sebarannya

Menjelaskan Kecukupan dan kecukupan minimal

Menjelaskan Statistik lengkap

Mind Mapping Statistik, kecukupan dan kelengkapan


4. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep teori keputusan statistika

Menjelaskan Aturan keputusan, fungsi kerugian dan fungsi risiko

Menjelaskan Admissibility dan keoptimalan

Mind Mapping Teori keputusan statistika


5. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep inferensia statistika

Menjelaskan Penduga titik

Menjelaskan Pengujian hipotesis

Menjelaskan Himpunan kepercayaan

Mind Mapping Inferensia statistika


6. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep kriteria dan inferensia asimtotik

Menjelaskan Kekonsistenan

Menjelaskan Bias, ragam dan mse asimtotik

Menjelaskan Inferensia asimtotik

Mind Mapping Kriteria dan inferensia asimtotik


7. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep UMVUE

Menjelaskan Statistik cukup dan lengkap

Menjelaskan Syarat perlu dan cukup, ketaksamaan informasi

Menjelaskan Sifat-sifat asimtotik UMVUE

Mind Mapping UMVUE 3 x 50’ 1 Tes Tertulis Essay

8. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep LSE pada model linear

Menjelaskan LSE dan keterdugaan

Menjelaskan UMVUE dan BLUE

Menjelaskan Kekekaran dan sifat-sifat asimtotik LSE

Mind Mapping LSE pada model linear


9. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep pendugaan tak bias pada masalah survei

Menjelaskan UMVUE untuk total populasi

Menjelaskan Penduga Horvitz-Thompson

Mind Mapping Pendugaan tak bias pada masalah survei


10 Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan

Menjelaskan Fungsi dari penduga tak bias

Mind Mapping Penduga-penduga tak bias






Penilaian

konsep penduga-penduga tak bias asimtotik

Menjelaskan Metode momen

Menjelaskan LSE terbobot

asimtotik

11 Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep keputusan dan penduga Bayes

Menjelaskan Tindakan Bayes

Menjelaskan Metode Bayes empirik dan hirarki

Menjelaskan Aturan dan penduga Bayes

Mind Mapping Keputusan dan penduga Bayes


12 Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep Minimaxity dan admissibility

Menjelaskan Penduga dengan risiko konstan

Menjelaskan Beberapa hasil pada keluarga eksponen satu parameter

Menjelaskan pendugaan simultan dan penduga

Menjelaskan shrinkage

Mind Mapping Minimaxity dan admissibility


13 Setelah menyelesaikan topik ini, mahasiswa mampu m enjelaskan metode kemungkinan maksimum (MLE)

Menjelaskan Fungsi kemungkinan dan penduga kemungkinan maksimum

Menjelaskan Penduga kemungkinan maksimum pada model linear terampat

Menjelaskan Quasi-likelihoods dan conditional likelihoods

Mind Mapping Metode kemungkinan Maksimum


14 Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep pendugaan efisien asimtotik

Menjelaskan Keoptimalan asimtotik

Menjelaskan Keefisienan asimtotik dari MLE dan RLE

Menjelaskan Penduga efisien asimtotik lainnya

Mind Mapping Pendugaan efisien asimtotik


Pustaka:

1. Shao, Y. 2003. Mathematical Statistics. Second Edition. Springer, New York.

(1MB) LO_KKNI_S3_STK__4_Feb_2013_.pdf

Documents

Transcript of (1MB) LO_KKNI_S3_STK__4_Feb_2013_.pdf