|
Universitas Negeri Surabaya
Fakultas Ekonomika dan Bisnis
Program Studi S2 Manajemen
|
Kode Dokumen |
SEMESTER LEARNING PLAN |
Course |
KODE |
Rumpun MataKuliah |
Bobot Kredit |
SEMESTER |
Tanggal Penyusunan |
Statistik Multivariate |
6110103003 |
|
T=3 |
P=0 |
ECTS=6.72 |
1 |
17 November 2024 |
OTORISASI |
Pengembang S.P |
Koordinator Rumpun matakuliah |
Koordinator Program Studi |
.......................................
|
.......................................
|
Dr. Andre Dwijanto Witjaksono, S.T., M.Si. |
Model Pembelajaran |
Case Study |
Program Learning Outcomes (PLO)
|
PLO program Studi yang dibebankan pada matakuliah |
Program Objectives (PO) |
Matrik PLO-PO |
|
|
Matrik PO pada Kemampuan akhir tiap tahapan belajar (Sub-PO) |
|
PO |
Minggu Ke |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
|
Deskripsi Singkat Mata Kuliah
|
Matakuliah ini berisi tentang statistik induksi atau inferrensial yang berisi tentang uji-uji statistik serta mampu memformulasikann penyelesaian masalah statistik secara prosedural. Mampu mengambil keputusan strategis bidang manajemen dengan menggunakan alat-alat statistik seperti SPSS, AMOS, Lisrel, dll. Matakuliah ini bertujuan untuk meningkatkan kemampuan meneliti dan bekal untuk mengerjakan tesis. Metode pembelajarannya melalui ceramah oleh fasilitator (dosen) dan menggunakan metode drill atau latihan. |
Pustaka
|
Utama : |
|
- 1) Mahasiswa mampu menguasai konsep dasar statistik serta menghitung statistik menggunakan software komputer seperti SPSS, AMOS dan Lisrel 2) Mahasiswa mampu mengambil keputusan strategis berdasarkan analisis informasi dan data output statistik 3) Mampu memiliki karakter cerdas dalam memahami teknik penerapan Regresi Linear dan non parametrik
|
Pendukung : |
|
|
Dosen Pengampu
|
Dr. Sanaji, S.E., M.Si. Dr. Andre Dwijanto Witjaksono, S.T., M.Si. Dr. Ulil Hartono, S.E., M.Si. |
Minggu Ke- |
Kemampuan akhir tiap tahapan belajar
(Sub-PO)
|
Penilaian |
Bantuk Pembelajaran,
Metode Pembelajaran,
Penugasan Mahasiswa,
[ Estimasi Waktu] |
Materi Pembelajaran
[ Pustaka ] |
Bobot Penilaian (%) |
Indikator |
Kriteria & Bentuk |
Luring (offline) |
Daring (online) |
(1) |
(2) |
(3) |
(4) |
(5) |
(6) |
(7) |
(8) |
1
Minggu ke 1 |
Pendahuluan |
Mahasiswa mampu menguasai konsep dasar matrik dan vektor acak, vektor rata-rata, dan matriks varians kovarians |
|
Praktik di lab. Komputer berkaitan dengan matrik dan vektor acak, vektor rata-rata, dan matriks varians kovarians 3 X 50 |
|
|
0% |
2
Minggu ke 2 |
Sampel Acak |
Mahasiswa mampu menguasai konsep dasar vektor rata-rata dan matrik kovarian sampel, Varians Umum , Rata-rata sampel, matriks kovarians dan matriks korelasi |
|
Praktik di lab. Komputer berkaitan dengan 1. Vektor rata-rata dan matrik kovarian sampel 2. Varians Umum 3. Rata-rata sampel, matriks kovarians dan matriks korelasi 3 X 50 |
|
|
0% |
3
Minggu ke 3 |
Distribusi Normal Multivariat |
Mahasiswa mampu menguasai konsep dasar distribusi normal multivariat dan estima kemungkinan maksimum distribusi sampling dan pengujian normalitas |
|
Praktik di lab. Komputer berkaitan dengan Distribusi Normal Multivariat 3 X 50 |
|
|
0% |
4
Minggu ke 4 |
Inferensi Vektor Rata-Rata |
Mahasiswa mampu menguasai konsep dasar Uji Hotelling T2 dan Likelihood Ratio |
|
Praktik di lab. Komputer berkaitan dengan 1. Uji Hotelling T2 dan Likelihood Ratio 2. Daerah Kepercayaan rata-rata dan perbandingan simultan dari rata-rata 3. Inferensi vektor rat-rata 3 X 50 |
|
|
0% |
5
Minggu ke 5 |
Uji Perbandingan Rata-Rata Multivariate |
Mahasiswa mampu menguasai konsep dasar Uji Hipotesis rata-rata pada Satu Populasi, Uji Hipotesis rata-rata pada Dua Populasi, Analisis Varians Univariat Satu Arah, Analisis Varians Univariat Dua Arah |
|
Praktik di lab. Komputer berkaitan dengan 1. Uji Hipotesis rata-rata pada Satu Populasi 2. Uji Hipotesis rata-rata pada Dua Populasi 3. Analisis Varians Univariat Satu Arah 4. Analisis Varians Univariat Dua Arah 3 X 50 |
|
|
0% |
6
Minggu ke 6 |
Uji Perbandingan Rata-Rata Multivariate |
Mahasiswa mampu menguasai konsep dasar Analisis Varian Multivariat Satu Arah, Analisis Varians Multivariat Dua Arah |
|
Praktik di lab. Komputer berkaitan dengan 1. Analisis Varian Multivariat Satu Arah. 2. Analisis Varians Multivariat Dua Arah 3 X 50 |
|
|
0% |
7
Minggu ke 7 |
Regresi Linear Multivariate |
Mahasiswa mampu menguasai konsep dasar Model Regresi Linear Klasik , Estimasi Kuadrat Terkecil, Model Regresi Multivariat, Perbandingan Dua Formulasi Model Regresi |
|
Praktik di lab. Komputer berkaitan dengan 1. Model Regresi Linear Klasik 2. Estimasi Kuadrat Terkecil 3. Model Regresi Multivariat 3 X 50 |
|
|
0% |
8
Minggu ke 8 |
UTS |
|
|
3 X 50 |
|
|
0% |
9
Minggu ke 9 |
Regresi Linear Multivariate |
Mahasiswa mampu menguasai konsep dasar Analisis Jalur |
|
Praktik di lab. Komputer berkaitan dengan Regresi Linear Multivariate 3 X 50 |
|
|
0% |
10
Minggu ke 10 |
Analisis Komponen Utama |
Mahasiswa mampu menguasai konsep dasar Komponen utama dari data sampel |
|
Praktik di lab. Komputer berkaitan dengan 1. Cara Menentukan Komponen Utama 2. Penentuan Komponen Utama dari Data Sampel 3 X 50 |
|
|
0% |
11
Minggu ke 11 |
Analisis Komponen Utama |
Mahasiswa mampu menguasai konsep dasar penentuan banyaknya komponen utama dan skor komponen |
|
Praktik di lab. Komputer berkaitan dengan 1. Penentuan Banyaknya Komponen Utama 2. Skor Komponen 3 X 50 |
|
|
0% |
12
Minggu ke 12 |
Analisis Faktor |
Mahasiswa mampu menguasai konsep dasar Model dasar analisis factor, Taksiran Besar Komunalitas, Penentuan Faktor |
|
Praktik di lab. Komputer berkaitan dengan 1. Model dasar analisis faktor 2. Taksiran Besar Komunalitas 3 Penentuan Faktor 3 X 50 |
|
|
0% |
13
Minggu ke 13 |
Analisis Faktor |
Mahasiswa mampu menguasai konsep dasar rotasi faktor dan skor faktor |
|
Praktik di lab. Komputer berkaitan dengan 1. Rotasi Faktor 2. Skor Faktor 3 X 50 |
|
|
0% |
14
Minggu ke 14 |
Analisis Korelasi |
Mahasiswa mampu menguasai konsep dasar analisis korelasi |
|
Praktik di lab. Komputer berkaitan dengan 1. Penentuan Koefisien Korelasi Kanonis 2. Hubungan dengan Analisis Regresi 3. Penafsiran Hasil 4. Uji Signifikansi. 3 X 50 |
|
|
0% |
15
Minggu ke 15 |
Diskriminan dan Klasifikasi |
Mahasiswa mampu menguasai konsep dasar Diskriminan dan Klasifikasi |
|
Praktik di lab. Komputer berkaitan dengan konsep dasar Diskriminan dan Klasifikasi 3 X 50 |
|
|
0% |
16
Minggu ke 16 |
UAS |
|
|
3 X 50 |
|
|
0% |