Universitas Negeri Surabaya
Fakultas Teknik
Program Studi S1 Sistem Informasi

Kode Dokumen

SEMESTER LEARNING PLAN

Course

KODE

Rumpun MataKuliah

Bobot Kredit

SEMESTER

Tanggal Penyusunan

Statistika dan Probabilitas

5720102148

Mata Kuliah Wajib Program Studi

T=2

P=0

ECTS=3.18

3

22 Februari 2025

OTORISASI

Pengembang S.P

Koordinator Rumpun matakuliah

Koordinator Program Studi




.......................................


.......................................


I Kadek Dwi Nuryana, S.T., M.Kom.

Model Pembelajaran

Case Study

Program Learning Outcomes (PLO)

PLO program Studi yang dibebankan pada matakuliah

PLO-5

Mampu mengaplikasikan keahlian, teknik, dan alat terkini pada bidang teknologi informasi, serta merumuskan deskripsi hasil kajian dalam bentuk dokumen

PLO-6

Mampu mengambil keputusan secara tepat baik mandiri maupun kelompok, bertanggung jawab dan sesuai etik dalam konteks penyelesaian masalah berdasarkan hasil analisis informasi dan data serta mengkomunikasikannya secara efektif

Program Objectives (PO)

PO - 1

Mampu memahami Konsep Statistika

PO - 2

Mampu memahami Teori Probabilitas

PO - 3

Mampu Memahami Variabel Random

PO - 4

Mampu Memahami Konsep Ekspektasi Matematika

PO - 5

Mampu Memahami Fungsi Distribusi Variabel Random Diskrit

PO - 6

Mampu Memahami Fungsi Distribusi Variabel Random Kontinu

PO - 7

Mampu Memahami Fungsi Distribusi Sampel

PO - 8

Mampu Memahami Konsep Estimasi Parameter dan Pengujian Hipotesis

PO - 9

Mampu Melakukan Pengujian Perbedaan Mean/Varians Dua Sampel atau Lebih

PO - 10

Mampu Melakukan Analisis Regresi Linier Sederhana

PO - 11

Mampu Melakukan Analisis Regresi Linier Berganda

PO - 12

Mampu Memahami Konsep Analisis Faktor Eksplanatori

PO - 13

Mampu Memahami Konsep Analisis Faktor Konfirmatori

PO - 14

Mampu Memahami Konsep Statistika Non-Parametrik

PO - 15

Mampu Memahami Konsep Teknik Sampling

Matrik PLO-PO
 
POPLO-5PLO-6
PO-1✔ 
PO-2✔ 
PO-3✔ 
PO-4✔ 
PO-5✔ 
PO-6✔ 
PO-7✔ 
PO-8✔ 
PO-9✔ 
PO-10✔ 
PO-11✔ 
PO-12 ✔
PO-13 ✔
PO-14 ✔
PO-15 ✔

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
PO-1✔✔
PO-2✔
PO-3✔
PO-4✔
PO-5✔
PO-6✔
PO-7✔
PO-8✔
PO-9✔
PO-10✔
PO-11✔
PO-12✔
PO-13✔
PO-14✔
PO-15✔

Deskripsi Singkat Mata Kuliah

Mata kuliah ini membahas tentang dasar-dasar teori statistika dan probabilitas yang digunakan untuk menganalisis data dan fenomena acak. Mata kuliah ini sangat penting bagi mahasiswa yang ingin menguasai cara mengolah data, membuat keputusan berdasarkan data, dan memahami peristiwa acak dalam berbagai bidang, seperti ekonomi, bisnis, teknik, ilmu sosial, dan sains.

Pustaka

Utama :

  1. Walpole, R E, Myers, R H., Myers, S L. and Keying, E Y. 2016. Probability and Statistics for Engineers and Scientists. Global Edition. Pearson Higher Ed.
  2. Ross, S M. 2020. Introduction to probability and statistics for engineers and scientists. Academic press.
  3. Sudaryono, Statistika Probabilitas 13 Teori & Aplikasi, Andi, 2012
  4. Johnson, James L, Probability and Statistics for computer science, wiley interscience, English, 2011

Pendukung :

Dosen Pengampu

Dr. Wiyli Yustanti, S.Si., M.Kom.

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

Mengetahui maksud dan tujuan statistika dan probabilitas

Mahasiswa mengetahui maksud dan tujuan statistika dan probabilitas

 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif, Tes		 Ceramah dan Tanya jawab
2 X 50
Materi: Pengenalan mata kuliah dan ruang lingkupnya. Definisi probabilitas dan ruang sampel. Jenis peristiwa dan operasi pada peristiwa (gabungan, irisan, komplemen). Hukum-hukum dasar probabilitas: hukum penjumlahan dan perkalian.
Pustaka: Ross, S M. 2020. Introduction to probability and statistics for engineers and scientists. Academic press.		 2%

2

Minggu ke 2

Memahami dan menjelaskan konsep probabilitas Memahami dan mengoperasikan rumus-rumus probabilitas

Mahasiswa memahami dan mampu menjelaskan konsep probabilitas Mahasiswa memahami dan mengoperasikan rumus-rumus probabilitas

 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif, Tes		 Ceramah dan Tanya jawab
2 X 50
Materi: Probabilitas Kondisional dan Independen
Pustaka: Sudaryono, Statistika Probabilitas 13 Teori & Aplikasi, Andi, 2012		 2%

3

Minggu ke 3

Memahami dan menjelaskan konsep variabel random sebuah kejadian

Mahasiswa memahami dan mampu menjelaskan konsep probabilitas

 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif, Tes		 Ceramah dan Tanya jawab
2 X 50
Materi: Fungsi distribusi probabilitas (probabilitas massa dan fungsi distribusi kumulatif).
Pustaka: Walpole, R E, Myers, R H., Myers, S L. and Keying, E Y. 2016. Probability and Statistics for Engineers and Scientists. Global Edition. Pearson Higher Ed.
Materi: Distribusi diskrit: Binomial, Poisson. Distribusi kontinu: Normal, Eksponensial.
Pustaka: Ross, S M. 2020. Introduction to probability and statistics for engineers and scientists. Academic press.		 2%

4

Minggu ke 4

Memahami dan menjelaskan kaidah pencacahan Memahami dan menjelaskan bilangan faktorial, permutasi dan kombinasi

Mahasiswa memahami dan mampu menjelaskan kaidah pencacahan Mahasiswa memahami dan mampu menjelaskan bilangan faktorial, permutasi dan kombinasi

 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif, Tes		 Ceramah dan Tanya jawab
2 X 50
Materi: Definisi dan rumus ekspektasi (rata-rata) dan varians.
Pustaka: Walpole, R E, Myers, R H., Myers, S L. and Keying, E Y. 2016. Probability and Statistics for Engineers and Scientists. Global Edition. Pearson Higher Ed.
Materi: Properti ekspektasi dan varians.
Pustaka: Johnson, James L, Probability and Statistics for computer science, wiley interscience, English, 2011		 4%

5

Minggu ke 5

Memahami dan mengoperasikan rumus-rumus distribusi seragam, binomial dan multinomial

Mahasiswa memahami dan mampu mengoperasikan rumus-rumus distribusi seragam, binomial dan multinomial

 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif, Praktik / Unjuk Kerja, Tes		 Ceramah dan Tanya jawab
2 X 50
Materi: Teorema limit pusat (Central Limit Theorem).
Pustaka: Johnson, James L, Probability and Statistics for computer science, wiley interscience, English, 2011
Materi: Konsep distribusi sampling. Distribusi rata-rata sampel dan aplikasi dalam estimasi parameter.
Pustaka: Sudaryono, Statistika Probabilitas 13 Teori & Aplikasi, Andi, 2012		 4%

6

Minggu ke 6

Memahami dan menjelaskan distribusi teoritis

Mahasiswa memahami dan mampu menjelaskan distribusi teoritis

 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif, Praktik / Unjuk Kerja, Tes		 Ceramah dan Tanya jawab
2 X 50
Materi: Ukuran pemusatan: mean, median, dan modus. Ukuran penyebaran: range, deviasi standar, varians, dan koefisien variasi. Penyajian data dalam bentuk tabel dan grafik.
Pustaka: Ross, S M. 2020. Introduction to probability and statistics for engineers and scientists. Academic press.		 5%

7

Minggu ke 7
  1. Memahami dan menjelaskan distribusi teoritis
  2. Memahami dan mengoperasikan rumus-rumus distribusi seragam, binomial dan multinomial
  1. Mahasiswa memahami dan mampu menjelaskan distribusi teoritis
  2. Mahasiswa memahami dan mampu mengoperasikan rumus-rumus distribusi seragam, binomial dan multinomial
 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif, Praktik / Unjuk Kerja, Tes		 Ceramah dan Tanya jawab
2 X 50
Materi: Karakteristik distribusi normal. Penggunaan tabel distribusi normal standar. Penerapan distribusi normal dalam inferensial dan estimasi.
Pustaka: Johnson, James L, Probability and Statistics for computer science, wiley interscience, English, 2011		 3%

8

Minggu ke 8

UTS

UTS

 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Praktik / Unjuk Kerja		 UTS
2 X 50
Materi: UTS
Pustaka: 		20%

9

Minggu ke 9
  1. Memahami dan menjelaskan distribusi normal
  2. Menjelaskan sifat-sifat distribusi normal Memahami penggunaan kurva normal standar
  1. Mahasiswa memahami dan menjelaskan distribusi normal
  2. Mahasiswa menjelaskan sifat-sifat distribusi normal Mahasiswa memahami penggunaan kurva normal standar
 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif, Praktik / Unjuk Kerja		 Ceramah, Tanya jawab dan Problem Based Learning
2 X 50
Materi: Estimasi titik dan interval untuk rata-rata dan proporsi. Penggunaan distribusi normal dan t-student dalam estimasi.
Pustaka: Sudaryono, Statistika Probabilitas 13 Teori & Aplikasi, Andi, 2012		 3%

10

Minggu ke 10
  1. Memahami dan menjelaskan konsep analisis regresi linier sederhana
  2. Menerapkan teknik regresi sederhana menggunakan perangkat lunak statistik untuk analisis bisnis
  1. Mahasiswa memahami dan menjelaskan konsep analisis regresi linier sederhana
  2. Mahasiswa mampu menerapkan teknik regresi sederhana menggunakan perangkat lunak statistik untuk analisis bisnis
 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif		 Ceramah, Tanya jawab dan Problem Based Learning
2 X 50
Materi: Konsep uji hipotesis: hipotesis nol dan hipotesis alternatif. Uji z dan uji t untuk satu sampel.
Pustaka: Johnson, James L, Probability and Statistics for computer science, wiley interscience, English, 2011		 5%

11

Minggu ke 11
  1. Memahami dan menjelaskan konsep analisis regresi linier berganda
  2. Menerapkan teknik regresi berganda menggunakan perangkat lunak statistik untuk analisis bisnis
  1. Mahasiswa memahami dan menjelaskan konsep analisis regresi linier berganda
  2. Mahasiswa mampu menerapkan teknik regresi berganda menggunakan perangkat lunak statistik untuk analisis bisnis
 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif		 Ceramah, Tanya jawab dan Problem Based Learning
2 X 50
Materi: Uji hipotesis untuk perbedaan rata-rata dua sampel independen. Uji t untuk dua sampel dan analisis varians.
Pustaka: Johnson, James L, Probability and Statistics for computer science, wiley interscience, English, 2011		 5%

12

Minggu ke 12
  1. Memahami dan menjelaskan analisis faktor eksplanatori
  2. Memahami dan menjelaskan jenis-jenis sampling
  1. Mahasiswa memahami dan menjelaskan konsep faktor eksplanatori
  2. Mahasiswa mampu memahami dan menjelaskan jenis-jenis sampling
 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Praktikum		 Ceramah, Tanya jawab dan Problem Based Learning
2 X 50
Materi: Estimasi parameter regresi (slope dan intercept).
Pustaka: Walpole, R E, Myers, R H., Myers, S L. and Keying, E Y. 2016. Probability and Statistics for Engineers and Scientists. Global Edition. Pearson Higher Ed.		 5%

13

Minggu ke 13
  1. Memahami dan menjelaskan konsep analisis faktor konfirmatori
  2. Menerapkan teknik CFA menggunakan perangkat lunak statistik untuk validasi model dalam bisnis
  1. Mahasiswa memahami dan menjelaskan konsep pendugaan parameter
  2. Mahasiswa memahami dan menjelaskan kriteria penduga yang baik
 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Praktikum, Praktik / Unjuk Kerja		 Ceramah, Tanya jawab dan Problem Based Learning
2 X 50
Materi: Interpretasi model regresi berganda dan pengujian model.
Pustaka: Sudaryono, Statistika Probabilitas 13 Teori & Aplikasi, Andi, 2012		 5%

14

Minggu ke 14
  1. Memahami dan menjelaskan hipotesis dan hipotesis penelitian
  2. Memahami dan mengoperasikan rumus-rumus berbagai pengujian hipotesis
  3. Memahami dan menjelaskan berbagai jenis kesalahan
  1. Mahasiswa memahami dan mampu menjelaskan hipotesis dan hipotesis penelitian
  2. Mahasiswa memahami dan mampu mengoperasikan rumus-rumus berbagai pengujian hipotesis
  3. Mahasiswa memahami dan mampu menjelaskan berbagai jenis kesalahan
 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif		 Ceramah, Tanya jawab dan Problem Based Learning
2 X 50
Materi: Interpretasi model regresi berganda dan pengujian model.
Pustaka: Sudaryono, Statistika Probabilitas 13 Teori & Aplikasi, Andi, 2012
Materi: Konsep analisis varians (ANOVA) untuk perbandingan lebih dari dua kelompok.
Pustaka: Ross, S M. 2020. Introduction to probability and statistics for engineers and scientists. Academic press.		 2%

15

Minggu ke 15

Memahami dan menjelaskan metode sampling

Mahasiswa mampu memahami dan menjelaskan mengenai metode sampling

 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Aktifitas Partisipasif, Tes		 Ceramah, Tanya jawab dan Problem Based Learning
2 X 50
Materi: Studi kasus aplikatif menggunakan probabilitas dan statistika.
Pustaka: Johnson, James L, Probability and Statistics for computer science, wiley interscience, English, 2011
Materi: Penggunaan perangkat lunak statistik (misalnya SPSS, Excel, atau R) untuk analisis data.
Pustaka: Ross, S M. 2020. Introduction to probability and statistics for engineers and scientists. Academic press.		 2%

16

Minggu ke 16

Memahami dan menjelaskan metode sampling

Mahasiswa mampu memahami dan menjelaskan mengenai metode sampling

 Kriteria:
  1. Kriteria penilaian dilakukan dengan melihat aspek:
  2. Partisipasi: dilakukan dengan melakukan pengamatan terhadap aktivitas mahasiswa (bobot 2)
  3. UTS: dilakukan dengan asesmen selama pertengahan semester (bobot 2)
  4. UAS: dilakukan pada setiap semester untuk mengukur semua indikator (bobot 3)
  5. Tugas: dilakukan pada setiap indikator (bobot 3)
  6. Nilai Akhir Mahasiswa:
  7. Nilai Partisipasi (2) x Nilai Tugas (3) x Nilai UTS (2) x Nilai UAS (3) dibagi 10.

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk, Praktik / Unjuk Kerja		 UAS
2 X 50
Materi: UAS
Pustaka: 		30%



Rekap Persentase Evaluasi : Case Study

No Evaluasi Persentase
1. Aktifitas Partisipasif 27.67%
2. Penilaian Hasil Project / Penilaian Produk 15%
3. Penilaian Praktikum 4.17%
4. Praktik / Unjuk Kerja 42.17%
5. Tes 10%
99.01%

Catatan

  1. Capaian Pembelajaran Lulusan Program Studi (PLO - Program Studi) adalah kemampuan yang dimiliki oleh setiap lulusan Program Studi yang merupakan internalisasi dari sikap, penguasaan pengetahuan dan ketrampilan sesuai dengan jenjang prodinya yang diperoleh melalui proses pembelajaran.
  2. PLO yang dibebankan pada mata kuliah adalah beberapa capaian pembelajaran lulusan program studi (CPL-Program Studi) yang digunakan untuk pembentukan/pengembangan sebuah mata kuliah yang terdiri dari aspek sikap, ketrampulan umum, ketrampilan khusus dan pengetahuan.
  3. Program Objectives (PO) adalah kemampuan yang dijabarkan secara spesifik dari PLO yang dibebankan pada mata kuliah, dan bersifat spesifik terhadap bahan kajian atau materi pembelajaran mata kuliah tersebut.
  4. Sub-PO Mata kuliah (Sub-PO) adalah kemampuan yang dijabarkan secara spesifik dari PO yang dapat diukur atau diamati dan merupakan kemampuan akhir yang direncanakan pada tiap tahap pembelajaran, dan bersifat spesifik terhadap materi pembelajaran mata kuliah tersebut.
  5. Indikator penilaian kemampuan dalam proses maupun hasil belajar mahasiswa adalah pernyataan spesifik dan terukur yang mengidentifikasi kemampuan atau kinerja hasil belajar mahasiswa yang disertai bukti-bukti.
  6. Kreteria Penilaian adalah patokan yang digunakan sebagai ukuran atau tolok ukur ketercapaian pembelajaran dalam penilaian berdasarkan indikator-indikator yang telah ditetapkan. Kreteria penilaian merupakan pedoman bagi penilai agar penilaian konsisten dan tidak bias. Kreteria dapat berupa kuantitatif ataupun kualitatif.
  7. Bentuk penilaian: tes dan non-tes.
  8. Bentuk pembelajaran: Kuliah, Responsi, Tutorial, Seminar atau yang setara, Praktikum, Praktik Studio, Praktik Bengkel, Praktik Lapangan, Penelitian, Pengabdian Kepada Masyarakat dan/atau bentuk pembelajaran lain yang setara.
  9. Metode Pembelajaran: Small Group Discussion, Role-Play & Simulation, Discovery Learning, Self-Directed Learning, Cooperative Learning, Collaborative Learning, Contextual Learning, Project Based Learning, dan metode lainnya yg setara.
  10. Materi Pembelajaran adalah rincian atau uraian dari bahan kajian yg dapat disajikan dalam bentuk beberapa pokok dan sub-pokok bahasan.
  11. Bobot penilaian adalah prosentasi penilaian terhadap setiap pencapaian sub-PO yang besarnya proposional dengan tingkat kesulitan pencapaian sub-PO tsb., dan totalnya 100%.
  12. TM=Tatap Muka, PT=Penugasan terstruktur, BM=Belajar mandiri.