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