universitas gunadarma program studi teknik ...sap.gunadarma.ac.id/upload/it-045228.pdfkemampuan...
TRANSCRIPT
UNIVERSITAS GUNADARMA PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI
RENCANA PEMBELAJARAN SEMESTER (RPS)
Nama Mata Kuliah Kode Mata Kuliah Bobot (sks) Semester Tgl Penyusunan
Statistika 2 IT045228 2 4 Agustus 2018
Otorisasi Nama Koordinator Pengembang RPS Koordinator Bidang Keahlian (Jika Ada) Ketua Program Studi
Prof. Dr.-Ing. Adang Suhendra, S.Kom., M.Sc
Capaian Pembelajaran (CP) CPL-PRODI (Capaian Pembelajaran Lulusan Program Studi) Yang Dibebankan Pada Mata Kuliah
CPPS 1
Kemampuan memahami konsep sains yang mendukung analisis, metode dan teknik komputasi paralel yang
terdistribusi dalam pengembangan produk perangkat lunak teknologi informasi untuk sistem dengan
kompleksitas komputasi yang menerapkan pemikiran logis, kritis, sistematis dan inovatif.
CPPS 9 Kemampuan menunjukkan kinerja mandiri, bermutu, dan terukur dengan memahami konsep sistem cerdas
yang mencakup kecerdasan buatan, machine learning, fuzzy logic, deep learning dan data analyst.
CPPS 14 Kemampuan mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya,
berdasarkan hasil analisis informasi dan data.
CPMK (Capaian Pembelajaran Mata Kuliah)
CPMK 1.2 Kemampuan menerapkan pemikiran logis, kritis, sistematis, dan inovatif.
CPMK 9.2 Kemampuan memahami konsep sistem cerdas yang mencakup machine learning, deep learning dan data
analist.
CPMK 14.2 Kemampuan mengambil keputusan berdasarkan hasil analisis informasi dan data.
Deskripsi Singkat MK Mata Kuliah Statistika 2 merupakan mata kuliah yang membekali pengetahuan dan keterampilan mahasiswa dalam memahami tentang: Distribusi Sampling, Pendugaan Parameter, Pengujian Hipotesis, Uji Chi Kuadrat dan Analisis Ragam
Bahan Kajian / Materi Pembelajaran 1. Populasi, Sampel, Parameter, Nilai Statistik dan tehnik pengambilan sampel
2. Distribusi sampling Rata-rata
3. pendugaan parameter secara statistik terhadap suatu populasi
4. Pendugaan Satu Nilai Rata-Rata dan Penduga Beda Dua Nilai Rata-Rata
5. Pendugaan Satu Nilai Proporsi dan Penduga Beda Dua Proporsi
6. Konsep Dasar pengujian hipotesa
7. Uji Hipotesa Satu Nilai Rata-RataMemahami dan menguasai Uji Hipotesa Beda Dua Nilai Rata-Rata
8. Uji Hipotesa Proporsi dan Uji Hipotesa Beda Dua Proporsi
9. Uji Chi Kuadrat : Uji Kecocokan (Goodness of Fit Test), Uji Kebebasan (Kontigensi Table Test)
10. Konsep Analisis Variansi (Anova)/ Analisis Ragam
11. Anova satu arah, Anova Dua Arah tanpa interaksi , Anova Dua Arah dengan interaksi
Daftar Referensi Utama :
1. Bambang Kustituanto & Rudy Badrudin, Statistika 1 (Deskriptif), Seri Diktat Kuiah, Penerbit Gunadarma, Jakarta, 1994
2. Haryono Subiyakto, Statistika 2, Seri Diktat Kuiah, Penerbit Gunadarma, Jakarta, 1994
3. Dr. Boediono & DR. Ir. Wayan Koster,M. M., Teori dan Aplikasi Statistika dan Probabilitas, Penerbit PT Remaja Rosdakarya,
Bandung, 2001
4. Walpole, R.E., Pengantar Statistik, Edisi terjemahan, PT. Gramedia, Jakarta, 1992
5. Spiegel, Murray R., Larry J. Stephens Statistik: teori dan soal-soal, Penerbit Erlangga, Jakarta, 2007
Media Pembelajaran
Perangkat Lunak Perangkat Keras
Komputer, Laptop, Proyektor
Nama Dosen Pengampu Suzanna Lamria Siregar
Mata Kuliah Prasyarat (Jika Ada) Statistika 1
Mata Kuliah: Statistika 2 ( IT045228 ) / 2 SKS
CAPAIAN PEMBELAJARAN MATA KULIAH STATISTIKA 2: 1. Kemampuan menerapkan pemikiran logis, kritis, sistematis, dan inovatif
2. Kemampuan memahami konsep sistem cerdas yang mencakup machine learning, deep learning dan data analyst.
3. Kemampuan mengambil keputusan berdasarkan hasil analisis informasi dan data.
Minggu Ke-
Sub-CPMK (Kemampuan
akhir yang diharapkan)
Bahan Kajian (Materi Pembelajaran)
Bentuk & Metode
Pembelajaran
Waktu Belajar (Menit)
Penilaian
Referensi Indikator Kriteria Bobot
1 Mahasiswa mengetahui
- Konsep Dasar - Bentuk : 2 x 50 Menit
- Mahasiswa mampu menjelaskan secara
Partisipasi Mahasiswa,
10 % [1], [2], [3]
[CPPS 1 CPMK 2]: Mahasiswa emahami tujuan mempelajari Statistika Induktif terkait penerapannya pada metode penelitian (minggu ke-1)
EVALUASI AKHIR SEMESTER (mg ke 16)
UJIAN AKHIR SEMESTER (mg ke-16)
[CPPS 1 CPMK 2]: Mahasiswa memahami dan menguasai Distribusi sampling Rata-rata (minggu ke-2)
[CPPS 11 CPMK 24]: Mahasiswa mampu menjelaskan fase-fase perancangan basis data (mg ke 3, 4)
[CPPS 14 CPMK 31]: Mahasiswa memahami dan menguasai pendugaan parameter secara statistik terhadap suatu populasi (minggu ke-3)
[CPPS 11 CPMK 24]: Mahasiswa mampu merancang basis data sesuai dengan fase-fasenya (mg ke 5,6)
[CPPS 1 CPMK 2]: Mahasiswa memahami dan menguasai Pendugaan Satu Nilai Rata-Rata (minggu ke-4)
[CPPS 4 CPMK 7]: Mahasiswa mampu menjelaskan pengontrolan terhadap basis data (mg ke 7,8)
EVALUASI TENGAH SEMESTER (mg ke-11)
[CPPS 1 CPMK 2]: Mahasiswa Memahami Beda Dua Nilai Rata-Rata (minggu ke-5)
[CPPS 8 CPMK 16]: Mahasiswa mampu menguasai konsep dan prinsip normalisasi, serta perancangan basis data (mg ke 9,10)
[CPPS 9,14 CPMK 20,31]: Mahasiswa memahami dan menguasai Uji Hipotesa Proporsi (minggu ke-9)
[CPPS 8 CPMK 16]: Mahasiswa mampu menguasai konsep dan prinsip normalisasi, serta perancangan basis data (mg ke 9,10)
[CPPS 1 CPMK 2]: Mahasiswa memahami dan menguasai Pendugaan Satu Nilai Proporsi dan Penduga Beda Dua Proporsi (minggu ke-6)
[CPPS 8 CPMK 16]: Mahasiswa mampu menguasai konsep dan prinsip normalisasi, serta perancangan basis data (mg ke 9,10)
[CPPS 9 ,14 CPMK 20,31]: Mahasiswa memahami dan menguasai Konsep Dasar pengujian hipotesa (minggu ke-7)
[CPPS 8 CPMK 16]: Mahasiswa mampu menguasai konsep dan prinsip normalisasi, serta perancangan basis data (mg ke 9,10)
[CPPS 8 CPMK 16]: Mahasiswa mampu menguasai konsep dan prinsip normalisasi, serta perancangan basis data (mg ke 9,10)
[CPPS 9,14 CPMK 20,31]: Mahasiswa Memahami dan menguasai Uji Hipotesa Beda Dua Nilai Rata- Rata (minggu ke-8)
[CPPS 8 CPMK 16]: Mahasiswa mampu menguasai konsep dan prinsip normalisasi, serta perancangan basis data (mg ke 9,10)
[CPPS 9,14 CPMK 20,31]: Mahasiswa memahami dan menguasai Uji Hipotesa Beda Dua Proporsi (minggu ke-10)
[CPPS 8 CPMK 16]: Mahasiswa mampu menguasai konsep dan prinsip normalisasi, serta perancangan basis data (mg ke 9,10)
[CPPS 8 CPMK 16]: Mahasiswa mampu menguasai konsep dan prinsip normalisasi, serta perancangan basis data (mg ke 9,10)
[CPPS 9,14 CPMK 20,31]: Mahasiswa Memahami dan menguasai Uji Kebebasan (Kontigensi Table Test) (minggu ke-12) [CPPS 11 CPMK 24]: Mahasiswa mampu menjelaskan perkembangan basis data (mg ke 14,15)
[CPPS 9,14 CPMK 20,31]: Mahasiswa Memahami dan menguasai Uji Chi Kuadrat (minggu ke-13) [CPPS 11 CPMK 24]: Mahasiswa mampu menjelaskan perkembangan basis data (mg ke 14,15) [CPPS 11 CPMK 24]: Mahasiswa mampu menjelaskan perkembangan basis data (mg ke 14,15)
[CPPS 1 CPMK 2]: Mahasiswa mmahami dan menguasa konsep analisis variansi (Anova) (minggu ke-14) [CPPS 11 CPMK 24]: Mahasiswa mampu menjelaskan perkembangan basis data (mg ke 14,15) [CPPS 11 CPMK 24]: Mahasiswa mampu menjelaskan perkembangan basis data (mg ke 14,15)
[CPPS 1 CPMK 2]: Mahasiswa mmahami dan menguasai Anova satu arah, Anova Dua Arah tanpa interaksi , Anova Dua Arah dengan interaksi (minggu ke-15) [CPPS 11 CPMK 24]: Mahasiswa mampu menjelaskan perkembangan basis data (mg ke 14,15)
Minggu
CP-MK
Materi Pelajaran Metode/Strategi
Pembelajaran
Penilaian Referensi
Indikator Bentuk Bobot
1. Mahasiswa memahami
statistika Induktif terkait
penerapannya pada metode
penelitian serta menguasai
pengertian Populasi, Sampel,
Parameter, Nilai Statistik dan
tehnik pengambilan sampel
1. Pengertian Statistika Induktif 2. Pengertian populasi, sampel, parameter dan nilai statistik 3. Metode sampling: Probabilitas dan Non Probabilkitas
1. Ceramah/Kuliah Pakar
Mampu
menjelaskan
pengertian
statistika Induktif
melalui contoh
terkait
5 % 1,2,3,4,5
2. Memahami Distribusi sampling
Rata-rata dan penggunaan Dalil-
dalil Distribusi sampling Rata-rata
1. Distribusi sampling
Dalil-dalil Distribusi sampling
1.Ceramah/Kuliah Pakar, 2 . Problem Based Learning/FGD 3. Tugas 1
Mampu
menjelaskan
Distribusi sampling
dan menentukan
Dalil yang
digunakan untuk
mencari rata- rata
dan standar deviasi
distribusi sampling
rata- rata
5% 2,3.4,5
3 Memahami pendugaan
parameter secara statistik
terhadap suatu populasi dan
hubungannya dengan distribusi
teoritis yang digunakan
1. Pengertian pendugaan
2. Tingkat kepercayaan
dan tingkat kesalahan
3. Bentuk umum selang
kepercayaan
4. Hubungan nilai Z dan t
pada selang
kepercayaan
5. Galat pendugaan
6. Ukuran sampel pada
tingkat kesalahan
tertentu
1.Ceramah/Kuliah Pakar, 2 . Problem Based Learning/FGD 3. Tugas 2
Mampu
menjelaskan
pendugaan
parameter
5% 2,3.4,5
4 Memahami
Pendugaan Satu Nilai Rata-Rata
1. Pendugaan Satu Nilai
Rata-rata
1.Ceramah/Kuliah Pakar,
2 . Problem Based Learning/FGD
Mampu
menjelaskan
Pendugaan Satu
Nilai Rata-Rata
5% 2,3.4,5
5 Memahami Beda Dua Nilai Rata-Rata
1. Rumus selang kepercayaan pada pendugaan beda dua nilai rata-rata
1.Ceramah/Kuliah Pakar 2 . Problem Based Learning/FGD
Mampu menjelaskan
rumus selang
kepercayaan pada
pendugaan beda
dua nilai rata-rata
5% 2,3,4,5
6 Memahami Pendugaan Satu
Nilai Proporsi dan Penduga Beda
Dua Proporsi
1. Penduga Satu Nilai Proporsi
rumus selang
kepercayaan pada
pendugaan satu
nilai proporsi
2. Penduga Beda Dua
Proporsi rumus selang kepercayaan pada pendugaan beda dua proporsi
Self-Learning(V-Class)
Mampu menjelaskan
rumus selang
kepercayaan pada
pendugaan satu nilai
proporsi dan
satu nilai
proporsi
melalui media V- class
10% 2,3.4,5
7 Memahami Konsep Dasar
pengujian hipotesa Memahami
dan menguasai Uji Hipotesa Satu
Nilai Rata-Rata
1. Konsep Dasar Pengujian
Hipotesis
hipotesa awal dan
hipotesa
alternatif
pengertian galat satu dan galat dua
langkah-langkah
pengujian
hipotesa
\ pengujian satu arah dan pengujian dua arah
wilayah kritik pada kurva
rumus statistik uji pada
sampel berukuran
besar dan kecil
Keputusan dan Kesimpulan penolakan atau penerimaan terhadap hipotesa awal
2. Uji Hipotesa Satu Nilai
Rata-Rata Identifikasi nilai rata-rata yang dihipotesakan dan nilai rata-rata sampel dari suatu soal cerita atau contoh kasus
1.Ceramah/Kuliah Pakar, 2 Problem Based Learning/FGD 3. Tugas 3
Mampu menjelaskan Konsep Dasar pengujian hipotesa Memahami dan menguasai Uji Hipotesa Satu Nilai Rata-Rata
- 10% 2,3.4,5
8 Memahami Uji Hipotesa Beda
Dua Nilai Rata- Rata
Uji Hipotesa Beda Dua Nilai
Rata-Rata
Identifikasi beda dua nilai
rata-rata yang
dihipotesakan dan beda
dua nilai rata-rata sampel
dari suatu soal cerita atau
contoh kasus
Self-Learning(V-Class)
Mampu
menjelaskan Uji
Hipotesa Beda
Dua Nilai Rata-
Rata melalui
media V-class
10% 2,3.4,5
9 Memahami Uji Hipotesa
Proporsi
1.Uji Hipotesa Proporsi
Identifikasi proporsi yang
dihipotesakan dan
proporsi sampel dari suatu
soal cerita atau contoh
kasus
1.Ceramah/Kuliah Pakar, 2 Problem Based Learning/FGD
Mampu
menjelaskan Uji
Hipotesa
Proporsi
5% 2,3.4,5
10 Memahami Uji Hipotesa Beda
Dua Proporsi
1. Uji Hipotesa Beda Dua
Proporsi
1.Ceramah/Kuliah Pakar, 2 Problem Based Learning/FGD 3.Tugas 4
Mampu
menjelaskan Uji
Hipotesa Beda
Dua Proporsi
5% 2,3,4,5
Identifikasi beda dua proporsi yang dihipotesakan dan beda dua proporsi sampel dari suatu soal cerita atau contoh kasus
11 UJIAN TENGAH SEMESTER
12 Memahami Uji Chi Kuadrat : Uji
Kecocokan (Goodness of Fit Test),
1. Konsep Dasar Uji Chi
Kuadrat
Distribusi chi kuadrat
Penggunaan distribusi
chi kuadrat
Nilai chi kuadrat berdasarkan tingkat kepercayaan
Pengertian frekuensi
harapan dan
frekuensi observasi
(frekuensi sampel)
2. Uji Kecocokan (Goodness
of Fit Test)
Formulasi hipotesa awal dan hipotesa alternatif
berdasarkan hipotesa
awal dari suatu soal
cerita atau contoh
kasus
dan hipotesa alternatif
berdasarkan hipotesa
awal dari suatu soal
1.Ceramah/Kuliah Pakar, 2 Problem Based Learning/FGD 3. Praktek
Mampu
menjelaskan Uji
Chi Kuadrat: Uji
Kecocokan
(Goodness of Fit
Test)
10% 2,3.4,5
13 Memahami Uji Kebebasan (Kontigensi Table Test)
. Uji Kebebasan (Kontigensi
Table Test) Formulasi hipotesa
awal cerita atau contoh kasus 2. Formulasi hipotesa awal dan hipotesa alternatif berdasarkan hipotesa awal dari suatu soal cerita atau contoh kasus
1.Ceramah/Kuliah Pakar, 2 Problem Based Learning/FGD 3. Tugas 5
Mampu menjelaskan Uji Kebebasan (Kontigensi Table Test) dan Uji Beberapa Proporsi (> 2 proporsi)
10% 2,3.4,5
14 Memahami konsep Analisis
Variansi (Anova)/ Analisis Ragam
1. Pengertian Analisa
Variansi (Anova)
1.Ceramah/Kuliah Pakar, 2 Problem Based Learning/FGD 3. Praktek
Mampu
menjelaskan
pengertian
Anova melalui
media V-class
Mampu
merumuskan,
menganalisis dan menginterpretas
i hasil analisis
dengan
menggunakan
jenis Anova yang
tepat
10% 1,3,4,5
15 Memahami Anova satu arah, Anova Dua Arah tanpa interaksi , Anova Dua Arah dengan interaksi
1. Anova satu arah
2. Anova Dua Arah
tanpa interaksi
3. Anova Dua Arah dengan interaksi
1.Ceramah/Kuliah Pakar, 2 Problem Based Learning/FGD 3. Praktek
Mampu
menjelaskan
pengertian
Anova melalui
media V-class
Mampu
merumuskan,
menganalisis dan
menginterpre
tasi hasil
analisis
dengan
menggunakan
jenis Anova
yang tepat
5% 1,3,4,5
16 ‘’’’’'
UJIAN AKHIR SEMESTER
FORMAT RANCANGAN TUGAS 12 Nama Mata Kuliah : Statistika 2 SKS : 2 Program Studi : Teknik Informatika Pertemuan Ke: 2
Fakultas : Teknologi Industri
A. TUJUAN TUGAS
Mahasiswa mampu menjelaskan perbedaan Teknik sampling Probabilitas dan Non Probabilitas
B. URAIAN TUGAS
a. Obyek Garapan:
Persoalan Distribusi Sampling
b. Metode atau Cara Pengerjaan:
Mencari referensi berkaitan dengan teknik sampling probabilitas dan non-probabilitas
Menetapkan contoh kasus teknik sampling probabilitas dan non-probabilitas
Tugas dikerjakan bersama dalam kelompok
c. Deskripsi Luaran Tugas yang Dihasilkan:
File presentasi (ppt) contoh kasus teknik sampling probabilitas dan non-probabilitas
d. Kriteria Penilaian (10%)
Kelengkapan jenis teknik sampling teknik sampling probabilitas dan non-probabilitas
Ketepatan contoh teknik sampling teknik sampling probabilitas dan non-probabilitas
FORMAT RANCANGAN TUGAS 2 Nama Mata Kuliah : Statistika 2 SKS : 2 Program Studi : Teknik Informatika Pertemuan Ke: 3
Fakultas : Teknologi Industri
A. TUJUAN TUGAS
Mahasiswa mampu menggunakan 4 dalil dalam Distribusi Sampling
B. URAIAN TUGAS
a. Obyek Garapan:
Persoalan Dalil Limit Pusat
b. Metode atau Cara Pengerjaan:
Mengaitkan Dalil 1, Dalil 2 dan Dalil Limit Pusat dengan menggambarkan algoritma Penggunaan ketiga Dalil dalam Distribusi
Memahami keistimewaan Dalil Limit Pusat
Mengerjakan dan menyelesaikan test mandiri yang terdiri dari soal yang mengaplikasikan ketiga dalil
Memahami bahwa probabilitas adalah inti pelajaran dalam Distribusi Sampling
c. Deskripsi Luaran Tugas yang Dihasilkan:
Algoritma Penggunaan 3 Dalil dalam Distribusi Sampling
Penyelesaian 4 soal untuk Dalil-Dali dalam Distribusi Sampling
d. Kriteria Penilaian (10%)
Ketepatan algoritma menjelaskan keterkaitan 3 dalil
Ketepatan menjawab test/soal
FORMAT RANCANGAN TUGAS 3
Nama Mata Kuliah : Statistika 2 SKS : 2 Program Studi : Teknik Informatika Pertemuan Ke: 7
Fakultas : Teknologi Industri
A. TUJUAN TUGAS
Mahasiswa mampu menerapkan semua rumus dalam Pendugaan Parameter
B. URAIAN TUGAS
a. Obyek Garapan:
8 Rumus Pendugaan Parameter
b. Metode atau Cara Pengerjaan:
Mengerjakan test mandiri yang mencakup semua rumus dalam Pendugaan Parameter
Memahami bahwa inti pelajaran pendugaan adalah pembentukkan Selang kepercayaan
c. Deskripsi Luaran Tugas yang Dihasilkan:
Penyelesaian 8 soal untuk 8 rumus yang telah dipelajari
Pembagian rumus berdasarkan parameter yang akan diduga dan ukuran sampel
d. Kriteria Penilaian (20%)
Ketepatan penggunaan rumus
FORMAT RANCANGAN TUGAS 4 Nama Mata Kuliah : Statistika 2 SKS : 2 Program Studi : Teknik Informatika Pertemuan Ke: 10
Fakultas : Teknologi Industri
A. TUJUAN TUGAS
Mahasiswa mampu menerapkan Pengujian Hipotesis
B. URAIAN TUGAS
a. Obyek Garapan:
Langkah Pengujian Hipotesis
b. Metode atau Cara Pengerjaan:
Membentuk Hipotesis Penelitian
Mengerjakan test mandiri yang mencakup semua jenis Pengujian Hipotesis secara manual
Mengerjakan Pengujian Hipotesis dengan bantuan software statistika
Memahami bahwa Pengujian Hipotesis sesungguhnya adalah kebalikan pendugaan Parameter
c. Deskripsi Luaran Tugas yang Dihasilkan:
Cara cepat dan tepat melakukan pengujian hipotesis
Interpretasi output pengujian hipotesis hasil perhitungan dengan software statistika
Perbandingan pengerjaan pengujian hipotesis secara manual dan dengan bantuan software
d. Kriteria Penilaian (20%)
Kelengkapan Pengerjaan pengujian hipotesis
FORMAT RANCANGAN TUGAS 5 Nama Mata Kuliah : Statistika 2 SKS : 2 Program Studi : Teknik Informatika Pertemuan Ke: 13
Fakultas : Teknologi Industri
A. TUJUAN TUGAS
Mahasiswa mampu melakukan Analisis Chi Kuadrat
B. URAIAN TUGAS
a. Obyek Garapan:
Persoalan Analisis Chi Kuadrat
b. Metode atau Cara Pengerjaan:
Membedakan 3 tipe Analisis Chi Kuadrat
Menerapkan ke 3 tipe Analisis Chi Kuadrat ke dalam kerangka penelitian kelompok
Mengerjakan Analisis Chi Kuadrat dengan bantuan software statistika
Memahami bahwa Analisis Chi Kuadrat adalah bentuk lanjut pengujian hipotesis proporsi
c. Deskripsi Luaran Tugas yang Dihasilkan:
Penulisan algoritma perhitungan analisis chi kuadrat (pseudo-code)
Tabel Perhitungan chi Kuadrat
d. Kriteria Penilaian (20%)
Kelengkapan Pengerjaan Analisis Chi Kuadrat
FORMAT RANCANGAN TUGAS 6
Nama Mata Kuliah : Statistika 2 SKS : 2 Program Studi : Teknik Informatika Pertemuan Ke: 15
Fakultas : Teknologi Industri
A. TUJUAN TUGAS
Mahasiswa mampu melakukan Analisis Varians (ANOVA)
B. URAIAN TUGAS
a. Obyek Garapan:
Analisis Varians
b. Metode atau Cara Pengerjaan:
Mengaitkan ANOVA dengan Chi Kuadrat: Persamaan dan Perbedaan di antara keduanya
Membedakan 3 tipe Analisis Varians
Menerapkan ke 3 tipe Analisis Variasns ke dalam kerangka penelitian kelompok
Mengerjakan Analisis Variasns dengan bantuan software statistika
Memahami bahwa Analisis Chi Kuadrat adalah bentuk lanjut pengujian hipotesis beda rata-rata
c. Deskripsi Luaran Tugas yang Dihasilkan:
Pembuatan program perhitungan analisis varians
Tabel Perhitungan Analisis Varians
d. Kriteria Penilaian (20%)
Kelengkapan Pengerjaan Analisis Varians
Ketepatan program Analisis Varians yang dibuat
GRADING SCHEME COMPETENCE
KRITERIA 1: Kelengkapan cara dan jawaban
DIMENSI Sangat Memuaskan
(81-100)
Memuaskan
(61-80)
Batas
(41-60)
Kurang Memuaskan
(21-40)
Di bawah standard
(<20)
SKOR
Kelengkapan Konsep Lengkap, terpadu
dan
sistematis
Lengkap Dapat menentukan
rumus yang digunakan
dalam penyelesaian
persoalan
Hanya
mengetahui data
yang ditugaskan
Tidak ada
jawaban
apapun
KRITERIA 2: Ketepatan Penggunaan Rumus dan jawaban
DIMENSI Sangat Memuaskan Memuaskan Batas Kurang Memuaskan
Di bawah standard
SKOR
Kelengkapan Konsep Lengkap, terpadu
dan
sistematis
Lengkap Dapat menentukan
rumus yang digunakan
dalam penyelesaian
persoalan
Hanya
mengetahui data
yang ditugaskan
Tidak ada
jawaban
apapun