PANDUAN KURIKULUM PROGRAM STUDI S1 STATISTIKA · Matematika Murni, Komputasi, Riset Operasi, dan Statistika & Aktuaria. Selain itu ada lebih dari enam staf pengajar statistika, dua

PANDUAN KURIKULUM

PROGRAM STUDI S1 STATISTIKA

DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS INDONESIA

DAFTAR ISI

1. Pendahuluan ...................................................................................................................... 1

2. Visi, Misi, dan Tujuan ...................................................................................................... 1

2.1. Visi ............................................................................................................................... 1

2.2. Misi .............................................................................................................................. 2

2.3. Tujuan ......................................................................................................................... 2

3. Kualifikasi dan Kompetensi Lulusan .............................................................................. 2

4. Struktur dan Isi Kurikulum ............................................................................................. 4

4.1. Struktur Kurikulum .................................................................................................. 4

4.2. Kategori Kompetensi Utama .................................................................................. 25

4.3. Rincian Kurikulum .................................................................................................. 29

5. Kewenangan Penentu Kurikulum dan Peninjauan Kurikulum ................................. 45

6. Peluang bagi Mahasiswa untuk Mengembangkan Diri ............................................... 46

7. Rujukan yang Digunakan (Benchmark) ........................................................................ 47

1

1. Pendahuluan

Departemen (d/h Jurusan) Matematika didirikan pada tahun 1961, bersama-sama

dengan Departemen Fisika dan Kimia. Pada tahun-tahun awal berdirinya, Departemen

Matematika menempati Kampus UI Salemba di Jalan Salemba 4 Jakarta Pusat.

Selama tahun 1961 hingga 1965, Departemen Matematika hanya memiliki satu orang

staf pengajar tetap. Kuliah dilangsungkan dengan bantuan beberapa staf pengajar tidak tetap

yang berasal dari IBM, BATAN, dan perusahaan-perusahaan swasta. Angkatan pertama

mahasiswa Matematika lulus dan diwisuda pada tahun 1969.

Mulai tahun 1967, jumlah staf pengajar tetap Departemen Matematika bertambah.

Tahun 2011, Departemen Matematika memiliki 36 orang staf pengajar tetap dan 2 orang

pengajar tidak tetap yang merupakan staf pengajar yang sudah memasuki masa pensiun tetapi

masih dibutuhkan tenaganya. Kualifikasi staf pengajar bervariasi mulai dari S1 sampai S3

dengan kualifikasi mayoritas S2.

Tahun 1987 adalah tahun kepindahan Departemen Matematika ke lokasi baru di

Kampus UI Depok. Saat ini Departemen Matematika menempati gedung berlantai 4 di

lingkungan FMIPA Kampus UI Depok. Ada 4 peminatan di Departemen Matematika, yaitu

Matematika Murni, Komputasi, Riset Operasi, dan Statistika & Aktuaria. Selain itu ada lebih

dari enam staf pengajar statistika, dua diantaranya sudah bergelar doktor. Pada tahun ini

Program Studi S1 Statistika akan mulai didirikan.

2. Visi, Misi, dan Tujuan

2.1. Visi

Program Studi S1 Statistika Departemen Matematika FMIPA UI menjadi institusi yang

kuat di tingkat nasional dan diakui di tingkat internasional, dalam bidang pendidikan dan

penelitian statistika dan terapannya, serta menghasilkan lulusan yang kompeten dalam

penguasaan ilmu, kompeten di bidang kerja, dan mempunyai kemampuan manajerial yang

baik.

2

2.2. Misi

1. Mendidik mahasiswa menjadi lulusan yang mampu mengikuti dan beradaptasi

terhadap perkembangan statistika dan terapannya, serta IPTEK.

2. Mendukung dan mengembangkan kegiatan penelitian statistika dan terapannya

dalam semua bidang.

3. Memberikan informasi, pelatihan, jasa dan konsultasi di bidang statistika dan

terapannya yang dapat membantu masyarakat dalam menyelesaikan masalah yang

berhubungan dengan statistika dan terapannya.

2.3. Tujuan

Program Studi S1 Statistika bertujuan untuk menghasilkan sarjana yang memiliki

kualifikasi sebagai berikut:

1. Memahami konsep serta metode statistika dan aktuaria untuk menyelesaikan

persoalan teoritis maupun terapan.

2. Mampu belajar secara mandiri dan beradaptasi terhadap perkembangan konsep dan

metode-metode dalam statistika dan aktuaria untuk menyelesaikan persoalan teoritis

maupun terapan baru.

3. Memiliki etika profesi yang baik serta didukung daya analitis yang kritis dan logis

dalam penerapan statistika dan aktuaria.

4. Mampu bekerja sama, berkomunikasi, dan bertanggung jawab sesuai bidang

ilmunya, baik secara nasional maupun internasional.

3. Kualifikasi dan Kompetensi Lulusan

Program Studi S1 Statistika Departemen Matematika FMIPA UI bertujuan

menghasilkan sarjana yang menguasai ilmu statistika sehingga mampu menerapkan serta

mengikuti perkembangan bidang statistika dan bidang lainnya yang terkait.

Lulusan dengan profil seperti yang diinginkan didapat dengan merumuskan kompetensi

untuk seorang sarjana statistika. Kompetensi sarjana statistika merupakan gabungan dari

kompetensi dasar UI dengan organisasi profesi (IndoMS dan FORSTAT), dan kompetensi

khusus dari program studi statistika yang dapat dilihat pada jejaring kompetensi di bawah ini.

3

Gambar 1 Jejaring Kompetensi

Berdasarkan penggabungan dari beberapa kompetensi ini maka sarjana statistika

memiliki :

1. Kemampuan penguasaan teori dasar Statistika yang kuat

2. Kemampuan untuk memformulasikan permasalahan statistika di suatu bidang,

membuat disain, dan melakukan pengumpulan data.

3. Kemampuan untuk melakukan manajemen dan eksplorasi data dengan baik.

4. Kemampuan untuk melakukan analisis data dan menginterpretasikan serta

mengomunikasikan hasil analisisnya ke dalam bidang aplikasinya.

5. Mampu mengambil keputusan yang tepat berdasarkan analisis informasi dan data,

dan mampu memberikan petunjuk dalam memilih berbagai alternatif solusi secara

mandiri dan kelompok

4

4. Struktur dan Isi Kurikulum

4.1. Struktur Kurikulum

Struktur kurikulum Program Studi S1 Statistika Departemen Matematika FMIPA UI

mengacu pada Surat Keputusan Menteri Pendidikan Nasional No. 232/U/2000 Pasal 7 ayat

(2), (3), Pasal 8, Pasal 10 dan Pasal 11 (Lampiran 3), Surat Keputusan Menteri Pendidikan

Nasional No. 45/U/2002 tentang Kurikulum Inti Pendidikan Tinggi Pasal 2 ayat (1), Pasal 3,

Pasal 4, Pasal 5, dan Pasal 6 (Lampiran 5), Ketetapan Majelis Wali Amanah UI No.

006/SK/MWAUI/2004 tentang Kurikulum Pendidikan Akademik UI (Lampiran 6), Modul

Workshop Pengajaran Statistika dan Raker FPTSI di Malang pada 12 – 14 April 2013, serta

Seminar Nasional dan Workshop MIPANet yang membahas tentang kurikulum berbasis

KKNI Ke-MIPA-an dari IndoMS di UI Depok pada 2 Desember 2014 (Lampiran 7).

Kurikulum Program Studi S1 Statistika Departemen Matematika FMIPA UI disusun

sedemikian rupa selaras dengan Visi, Misi, Tujuan PS, KKNI Level 6 yang tertuang dalam

matriks nol pada Tabel 1, perkembangan IPTEK, kebutuhan pasar dan pembentukan

kematangan intelektual peserta didik.

5

Tabel 1 Matriks Nol Program Studi Statistika

KKNI LEVEL 6 PROFIL LULUSAN/KOMPETENSI UMUM TAGIHAN - Mampu mengaplikasikan bidang

keahliannya dan memanfaatkan IPTEKS pada bidangnya dalam penyelesaian masalah serta mampu beradaptasi terhadap situasi yang dihadapi

- Mampu mengidentifikasi permasalahan dunia nyata ke dalam model statistika

- Mampu memproses data dalam suatu permasalahan statistika

- Mampu menerapkan teori dan konsep statistika dalam penyelesaian masalah

- Laporan Akhir Praktek Kerja Lapangan - Skripsi

- Menguasai konsep teoritis bidang pengetahuan tertentu secara umum dan konsep teoritis bagian khusus dalam bidang pengetahuan tersebut secara mendalam serta mampu memformulasikan penyelesaian masalah prosedural

- Mampu membuktikan kembali teori-teori statistika - Mampu mengilustrasikan teori statistika dalam

suatu contoh riil - Mampu menganalisis teori dan konsep statistika - Mampu mengoperasikan teori-teori statistika

- Tugas Mata Kuliah (Kelompok/Individu) - Hasil ujian tertulis dari setiap mata kuliah - Skripsi

- Mampu mengambil keputusan yang tepat berdasarkan analisis informasi dan data, dan mampu memberikan petunjuk dalam memilih berbagai alternatif solusi secara mandiri dan kelompok

- Mampu menafsirkan teori-teori statistika - Mampu merekomendasikan hasil analisis dari

model statistika - Mampu menafsirkan hasil analisis dari model

statistika - Mampu mengaitkan teori yang satu dengan yang

lain dalam statistika - Mampu menerapkan teori dan konsep statistika

dalam penyelesaian masalah

- Tugas Mata Kuliah (Kelompok/Individu) - Hasil ujian tertulis dari setiap mata kuliah - Skripsi

- Bertanggung jawab pada pekerjaan sendiri dan dapat diberi tanggung jawab atas pencapaian hasil kerja organisasi

- Mampu menyesuaikan diri dengan kebutuhan profesi

- Mampu memperjelas teori dan konsep statistika - Mampu menjelaskan penggunaan statistika dalam

kehidupan sehari-hari - Mampu menggunakan perangkat lunak statistika - Mampu menjelaskan model statistika

- Tugas Mata Kuliah (Kelompok/Individu) - Hasil ujian tertulis dan praktikum dari setiap

mata kuliah - Tugas praktikum mata kuliah - Skripsi

6

Kompetensi ini merupakan keterkaitan antara profil lulusan dengan hasil luaran dari PS

Statistika ini. Oleh karena itu kurikulum PS Statistika merupakan:

a. Penjabaran dari Visi, Misi, dan Tujuan PS untuk menjadi institusi yang kuat di

tingkat nasional dan diakui di tingkat internasional, dalam bidang pendidikan dan

penelitian statistika serta terapannya.

b. Relevan dengan kebutuhan masa kini dan masa datang. Kurikulum disusun

dengan memperhatikan perkembangan IPTEK dan terapannya serta memperhatikan

juga kebutuhan pasar yang merupakan masukan dari stakesholder dan alumni

Departemen Matematika FMIPA-UI.

c. Tuntutan pematangan intelektual mahasiswa. Beberapa mata kuliah

mempersiapkan dan membentuk kematangan intelektual mahasiswa sejak dari awal

kuliah, antara lain direpresentasikan dengan MPKT (Mata Kuliah Pengembangan

Kepribadian Terintegrasi) dan beberapa matakuliah wajib dan pilihan disampaikan

secara active learning dan e-learning yang akan membentuk mahasiswa aktif secara

mandiri mencari dan menyusun informasi maupun melakukan kerjasama dengan

kelompok tugasnya baik dalam penyusunan maupun presentasi (dan

mempertahankan) tugasnya, serta meningkatkan communication skill baik verbal

maupun secara information technology.

d. Muatan aspek penelitian Dosen dan penelitian tugas akhir mahasiswa. Beberapa

matakuliah, terutama matakuliah pilihan diberikan oleh pengampunya dengan

memasukkan hasil penelitian mutakhir, baik dari staff pengajarnya sendiri maupun

dari jurnal mutakhir. Pembahasan semacam ini akan membuat mahasiswa

mengetahui topik penelitian mutakhir, serta memiliki bekal dalam mempersiapkan

penelitiannya. Dengan demikian cara ini akan memampukan mahasiswa menyusun

tugas akhirnya dengan baik.

e. Hubungan antar mata kuliah. Keterkaitan antar matakuliah diperhatikan dengan

baik sehingga terlihat bahwa matakuliah pada semester awal/sebelumnya diperlukan

untuk mendukung matakuliah selanjutnya. Sehingga beberapa matakuliah awal

digunakan sebagai prasarat matakuliah berikutnya.

7

Tabel 2 Matriks I: Rumpun dan Tataran Kompetensi

Tataran Rumpun Kompetensi Utama Kompetensi Pendukung Kompetensi Lainnya

Dasar dan Kepribadian

- Mampu menjelaskan dan teori dan konsep dasar Statistika - Mampu menjelaskan teori dasar Matematika - Mampu menerapkan konsep dasar komputasi dan

pemrograman sederhana untuk memecahkan hal-hal yang berkaitan dengan Statistika

- Memiliki integritas dan mampu menghargai orang lain

- Mampu berpikir kritis, kreatif, dan inovatif serta memiliki keingintahuan intelektual untuk memecahkan masalah pada tingkat individual dan kelompok.

Bidang Ilmu

- Mampu mengikuti perkembangan Statistika dan/atau Aktuaria.

- Mampu merancang, menganalisis dan menyelesaikan masalah statistika, aktuaria, dan terapannya

- Mampu menganalisis permasalahan dunia nyata dan menyelesaikannya dengan menggunakan metode-metode Statistika yang tepat

- Mampu mengidentifikasi teori Statistika pada perkembangan sains dan teknologi

- Mampu menyelesaikan model yang berkaitan dengan Statistika dan menganalisis hasil yang didapat

Keahlian Berkarya

- Mampu mengembangkan diri sesuai dengan kebutuhan profesi.

- Mampu mengikuti perkembangan sains dan teknologi.

- Mampu mengoperasikan dan memanfaatkan teknologi informasi komunikasi sebagai pendukung bidang Statistika.

- Memiliki jiwa kewirausahaan yang bercirikan inovasi dan kemandirian yang berlandaskan etika.

Perilaku Berkarya

- Mampu menghadapi daya saing dalam dunia kerja.

- Mampu menggunakan bahasa lisan dan tulisan dalam Bahasa Indonesia dan Bahasa Inggris dengan baik.

Kehidupan Bermasyarakat

- Mampu menerapkan ilmu Statistika untuk menjawab kebutuhan masyarakat di segala lapisan

- Mampu mengambil keputusan yang tepat berdasarkan analisis informasi dan data, dan mampu memberikan petunjuk dalam memilih berbagai alternatif solusi secara mandiri dan kelompok.

- Memiliki kepekaan dan kepedulian terhadap masalah lingkungan, kemasyarakatan, bangsa dan negara.

8

Tabel 3 Matriks II: Pengalaman Belajar

Mata Kuliah Wajib Universitas (18 SKS)

No Kompetensi Pengalaman Belajar Ruang Lingkup Materi

(substansi pokok bahasan dan sub pokok bahasan)

Media dan Teknologi Mata Kuliah Indikator Asesmen

Sub Kompetensi Aktivitas

1 Memiliki kemampuan dasar untuk mengembangkan diri sesuai dengan kebutuhan profesi

1. Memiliki kepekaan dan kepedulian terhadap masalah lingkungan, kemasyarakatan, bangsa dan negara. 2. Mampu menggunakan bahasa lisan dan tulisan dalam Bahasa Indonesia dan Bahasa Inggris dengan baik.

Kuliah Interaktif, Diskusi kelompok, Presentasi hasil diskusi, Mengerjakan soal-soal yang diberikan perorangan atau kelompok

1. Bahasa Indonesia 2. Pancasila 3. Kewiraan 4. Penalaran Kuantitatif 5. Masalah lingkungan

Papan Tulis, OHP, LCD, Komputer, Buku Teks, Diktat, e-sources

1. MPKT Sains (6 SKS)

2. MPKT Sosial dan Humaniora (6 SKS)

3. Bahasa Inggris (3 SKS)

1. Mampu berpikir kritis, kreatif dan inovatif serta memiliki keingintahuan intelektual.

2. Mampu menyelesaikan masalah secara individual dan kelompok

UTS, UAS, Tugas, Presentasi, Makalah, Borang Keaktifan

2 Memiliki kemampuan dasar untuk mengembangkan diri sesuai dengan kebutuhan profesi

Memiliki integritas dan mampu menghargai orang lain

1. Mahasiswa berdiskusi mengenai materi yang diberikan dan mempresentasikan hasil diskusi

2. Mahasiswa diberikan permasalahan untuk didiskusikan dan diselesaikan secara berkelompok.

3. Mahasiswa mempresentasikan hasil penyelesaian

Materi MPKT Sains; Materi MPKT Sosial humaniora; Agama dan Olahraga

Papan Tulis, OHP, LCD, Komputer, Buku Teks, Diktat

MPK Agama (2 SKS) dan Olahraga (1 SKS)

(Mengikuti indikator yang telah ditetapkan UI)

UTS, UAS, Tugas, Presentasi, Makalah, Borang Keaktifan.

9

Mata Kuliah Wajib Rumpun Ilmu (5 SKS)



Media dan Teknologi Mata Kuliah Indikator Asesmen

Sub Kompetensi Aktivitas

1 Mampu mengikuti perkembangan Statistika

Mampu menjelaskan konsep dasar statistika

Kuliah Interaktif, Diskusi kelompok, Presentasi hasil diskusi, Mengerjakan soal-soal yang diberikan,

Definisi Probabilitas; Variabel acak dan distribusi probabilitas; Pengenalan distribusi; Distribusi Sampling; Interferensi Statistik

Papan Tulis, OHP, LCD, Komputer, Software, Buku Teks, Diktat

Metode Statistika (2 SKS)

1. Mampu menghitung probabilitas dari suatu peristiwa sederhana dan variabel acak

2. Mampu menghitung. probabilitas sesuai dengan distribusi eksask atau distribusi pendekatan dari suatu statistik.

3. Mampu menghitung batas-batas dari suatu interval kepercayaan.

4. Mampu menerapkan teknik-teknik pengujian hipotesis.

UTS, UAS, Kuis, Tugas, Presentasi

2 Memiliki kemampuan untuk mengikuti perkembangan Sains dan teknologi.

- Mampu mengoperasikan dan memanfaatkan teknologi informasi komunikasi sebagai pendukung bidang matematika

- Mampu mengidentifikasi teori matematika pada perkembangan sains dan teknologi


Materi Fisika Papan Tulis, OHP, LCD, Komputer, Software, Buku Teks, Diktat

Fisika Dasar 1 1 (3 SKS)

Mampu menjelaskan konsep dasar sains


10

Mata Kuliah Wajib Fakultas (8 SKS)



Media dan Teknologi Mata Kuliah Indikator Asesmen Sub Kompetensi Aktivitas

1

Mampu mengikuti perkembangan Statistika



Definisi Probabilitas; Variabel acak dan distribusi probabilitas; Pengenalan distribusi; Distribusi Sampling; Interferensi Statistik


Metode Statistika (2 SKS)

1. Mampu menghitung probabilitas dari suatu peristiwa sederhana dan variabel acak

2. Mampu menghitung. probabilitas sesuai dengan distribusi eksask atau distribusi pendekatan dari suatu statistik.

3. Mampu menghitung batas-batas dari suatu interval kepercayaan.

4. Mampu menerapkan teknik-teknik pengujian hipotesis.


2

Memiliki kemampuan untuk mengikuti perkembangan matematika dan statistika

Mampu menjelaskan teori dasar Aljabar Linier


Sistem persamaan linier; Determinan; Vektor di R2 dan R3; Ruang Euclid;Ruang Vektor Umum


Aljabar Linier Elementer (2 SKS)

1. Mampu menjelaskan konsep sistem persamaan linear, matriks, ruang Euclid, transformasi Linear dan Nilai eigen.

2. Mampu mencari solusi sistem persamaan linear, determinan

3. Mampu menentuan keterkaitan sifat dalam ruang Euclid


3

Mampu mengembangkan diri sesuai dengan kebutuhan profesi

Mampu menjelaskan konsep dasar Kimia


--Sesuai dengan yang ditetapkan oleh Fakultas--


Kimia Dasar 1 (2 SKS)



4

Mampu mengembangkan diri sesuai dengan kebutuhan profesi

Mampu menjelaskan konsep dasar Biologi




Biologi Umum (2 SKS)



11

Mata Kuliah Wajib Departemen (39 SKS)

No Kompetensi Pengalaman Belajar Ruang Lingkup Materi (substansi

pokok bahasan dan sub pokok bahasan)


1 Mampu mengikuti perkembangan sains dan teknologi

Mampu menjelaskan teori dasar matematika


Logika: Proposisi, Kalimat Proposisi, Aturan Inferensi, Induksi Matematika; Teori Bilangan: Bilangan, Aritmatika Modular


Logika & Teori Bilangan (2 SKS)

1. Mampu menjelaskan konsep logika dan teori bilangan.

2. Mampu menggunakan konsep logika dan teori bilangan untuk menyelesaikan masalah



Mampu menjelaskan teori dasar kalkulus


Barisan dan deret; Geometri dalam Ruang dan vektor; Fungsi bernilai vektor; Fungsi peubah banyak: Turunan, Integral lipat .


Matematika Dasar 2 (4 SKS)

1. Mampu menjelaskan konsep dasar kalkulus

2. Mampu mememecahkan masalah terapan kalkulus.



Mampu menjelaskan teori kalkulus lanjutan


Kalkulus vektor: Integral garis, integral permukaan; Integral tak wajar; Deret: deret fungsi, deret kuasa, deret Taylor dan deret Maclaurin, konvergensi seragam; Deret Fourier, Integral Fourier


Matematika Dasar 3 (4 SKS)

1. Mampu menjelaskan konsep dasar kalkulus.

2. Mampu mememecahkan masalah terapan kalkulus.



Mampu menjelaskan teori dasar matematika


Ruang vektor umum; Ruang hasil kali dalam; Nilai dan vektor eigen; Transformasi Linier; Topik tambahan:Aplikasi pada PD, bentuk kuadratik, Least Squares fitting to Data, Dekomposisi LU


Aljabar Linear 1 (2 SKS)

1. Mampu menjelaskan konsep dasar ruang vektor, Ruang Eigen, Transformasi Linier dalam bentuk umum.

2. Mampu membuktikan teorema yang berkaitan.

3. Mampu menentuan keterkaitan sifat dalam aljabar linier


5 Memiliki kemampuan merancang, menganalisis dan menyelesaikan masalah Matematika dan terapannya

- Mampu menganalisis permasalahan dunia nyata dan memodelkannya ke dalam bentuk matematis

- Mampu menyelesaikan model matematis dan menganalisis hasil yang didapat


Pengukuran dan penyelesaian masalah Bunga; Anuitas dasar dan anuitas umum; Amortization and sinking fund; Tingkat hasil


Matematika Keuangan (4 SKS)

1. Mampu menerangkan konsep-konsep bunga &memodelkan permasalahan riil yang menyangkut bunga sesuai dengan konsep bunga

2. Mampu menerangkan konsep anuitas dasar, anuitas yang lebih umum serta memodelkan masalah riil yang menyangkut anuitas

3. Mampu menghitung sisa hutang dari suatu amortisasi, membuat schedules amortisasi &sinking funds

4. Mampu menganalisis aliran keuangan dan menghitung tingkat reinvestasi


12




6 Mampu mengikuti perkembangan sains dan teknologi.

Mampu mengunakan berbagai software statistika


Pengenalan fasilitas software (R, SPSS, Minitab, Eviews, Mathematica), manajemen data (entry data, import, export dan transformasi data), statistika deskriptif (ukuran pemusatan dan penyebaran data, grafik), inferensi statistika dasar (interval kepercayaan, uji hipotesis mean, proporsi, dan variansi, uji chi square), simulasi Monte Carlo.


Algoritma dan Perangkat Lunak Statistika (3 SKS)

Mampu menggunakan beberapa software statistika seperti R, SPSS, Minitab, Eviews, Mathematica sebagai penunjang untuk menyelesai-kan masalah-masalah riil yang berkaitan dengan statistika.



Mampu mengoperasikan dan memanfaatkan teknologi informasi komunikasi sebagai pendukung bidang statistika dan/atau aktuaria


Review Aljabar Linear, Kalkulus, dan Algoritma: Vektor dan Norm Vektor, Matrik dan Norm Matrik, Konvergen dan teorema titik tetap, Round-off error, Efisiensi, akurasi dan stabilitas; Solusi persamaan satu variabel; Aproksimasi dan interpolasi; Diferensial dan integral numerik; Metode langsung dan iteratif untuk sistem persamaan linear


Metode Numerik (4 SKS)

1. Mampu menerangkan konsep-konsep dasar untuk metode-metode numerik

2. Mampu menerangkan penyelesaikan numerik dari beberapa permasalahan matematika

3. Mampu melakukan simulasi komputer untuk beberapa penyelesain secara numerik


8 Mampu mengikuti perkembangan Statistika dan/atau Aktuaria.



Konsep Teori Probabilitas dan Distribusi; Distribusi-distribusi Multivariat; Distribusi khusus; Distribusi dari fungsi variabel random


Statistika Matematika 1 (4 SKS)

1. Mampu menentukan probabilitas dari suatu peristiwa dan variabel random serta probabilitas bersyaratnya.

2. Mampu mengidentifikasi variabel random, probability density function (pdf), fungsi distribusi, ekspektasi matematik serta fungsi pembangkit momen.

3. Mampu menentukan distribusi dan ekspektasi dua variabel random, distribusi dan ekspektasi bersyarat.

4. Mampu menentukan distribusi-distribusi dari variabel-variabel random dan statistik-statistik.





Limit distribusi; Taksiran Titik; Statistik cukup; Fisher informasi dan batas bawah Rao-Cramer; Pengujian hipotesis


Statistika Matematika 2 (4 SKS)

1. Mampu mendapatkan limit disribusi dari suatu variable random dengan menggunakan teknik-teknik penentuan limit distribusi

2. Mampu mendapatkan taksiran titik dari suatu parameter dengan menggunakan metode maksimum likelihood dan metode moment

3. Mampu memeriksa ke-unbiased-an dan kekonsistenan dari suatu penaksir

4. Mampu mendapatkan statistik cukup, penaksir unbiased


13




10 Memiliki kemampuan untuk mengikuti perkembangan Sains dan teknologi.

- Mampu mengoperasikan dan memanfaatkan teknologi informasi komunikasi sebagai pendukung bidang matematika

- Mampu mengidentifikasi teori matematika pada perkembangan sains dan teknologi


Penelitian sebagai suatu pendekatan untuk memperoleh kebenaran; Berbagai metode dan macam penelitian; Penentuan topik dan masalah penelitian; Konsep, variabel dan sistem variabel; Perumusan hipotesis; Rencana penelitian dan langkah-langkah dalam meneliti; Relasi dan variabel pengganggu; Metode eksperimen; Sumber-sumber kesalahan dan generalisasi; Metode survei serta konstruksi pertanyaan dalam survei; Teknik pengambilan sampel; Validitas dan Reliabilitas; Praktek pembuatan proposal penelitian; Penulisan laporan penelitian


Metode Penelitian (2 SKS) & Skripsi (6 SKS)

1. Mampu melakukan penelitian awal di bidang statistika

2. Mampu menuliskan hasil penelitian menggunakan kaidah ilmiah


14

Mata Kuliah Wajib Program Studi (44 SKS)

No Kompetensi Pengalaman Belajar Ruang Lingkup Materi (substansi pokok bahasan dan sub pokok bahasan)


1 Mampu merancang, menganalisis dan menyelesaikan masalah statistika, aktuaria, dan terapannya.

Mampu menerapkan konsep dasar pengujian hipotesis dan analisis statistika secara tepat berdasarkan data.

Kuliah Interaktif, Diskusi kelompok, Presentasi hasil diskusi, Mengerjakan soal-soal yang diberikan.

Uji Chi Kuadrat: Uji Independensi, Uji Homogenitas, Uji Kecocokan; Regresi Linier Sederhana; Analisis Variansi Satu Arah.


Metode Statistika Lanjut (2 sks)

1. Mampu memutuskan analisis dasar yang tepat saat diperhadapkan pada data real

2. Dapat menjelaskan dengan benar pemodelan dasar dalam statistika



Mampu menjelaskan teori dasar Matematika, Statistika dan/atau Aktuaria


Sistem bilangan riil; sifat aljabar, keterurutan, kelengkapan, supremum dan infimum beserta aplikasinya, barisan, pengenalan deret, limit fungsi, fungsi kontinu,keterturunan, Integral Riemann.


Analisis Real (4 sks)

1. Mampu menjelaskan konssep analisis yang lebih menekankan ’kenapa’ dan ’bagaimana jika’

2. Mampu menuangkan konsep analisis pada sistem bilangan riel, barisan dan konvergensi, limit sebuah fungsi dan kontinuitas fungsi serta konsep turunan dan integral


3 Mampu menjelaskan konsep dasar pemodelan Statistika dan Aktuaria

Mampu menyelesaikan model Statistika dan Aktuaria serta menganalisis hasil yang didapat.


Matriks: partisi matriksdisertai opersi-operasinya, rank dan invers dari partisi matriks, determinan, invers yang diperumum. Dekomposisi bentuk matriks kuadrat dan Cholesky. Linier, bilinier. Turunan vektor, matriks dari fungsi beserta turunan tingkat tinggi dan turunan parsial. Matriks, sub matriks dan matriks partisi, sifat operasi, trace,pada matriks, rank, determinan dan invers pada matriks partisi


Teori Matriks Statistika (3 sks)

1. Mampu mengenali persamaan fungsi yang dapat diekspresikan dalam bentuk matriks

2. Mampu membentuk turunan vektor atau matriks dari fungsi beserta turunan tingkat tinggi dan turunan parsialnya


4 Mampu menjelaskan teori dasar Statistika dan Aktuaria.

Mampu menjelaskan dengan benar konsep-konsep probabilitas dan mengkaitkannya dengan data/ kejadian di dunia nyata


Aljabar dan Aljabar Sigma, Ukuran Probabilitas pada suatu Sigma-Aljabar dan sifat-sifatnya. Variabel Random, fungsi dari variabel random, ekspektasi dari variabel random


Pengantar Teori Probabilitas (2sks)

1. Mampu menjelaskan konsep-konsep probabilitas secara mendalam dalam kaitannya dengan pendekatan teori ukur

2. Mampu menjelaskan konsep tentang variabel random, fungsi dari variabel random, ekspektasi dari variabel random


5 Mampu mengembangkan diri sesuai dengan kebutuhan profesi.

Mampu memberikan saran cara pengambilansampel data pada suatu rencana penelitian


Pendahuluan:konsep dasar pengambilan sampel; Sampling acak sederhana; Sampling acak sistematis; Sampling acak stratifikasi; Sampling acak kelompok


Teknik Sampling (3 SKS)

1. Mampu menjelaskan konsep dasar pengambilan sampel.

2. Mampu menjabarkan jenis-jenis sampling acak

3. Mampu menentukan penaksiran paramater populasi

4. Mampu menentukan ukuran sampel pada masing-masing penaksiran parameter populasi

5. Mampu menentukan taksiran dari variansi statistik

UTS, UAS, Kuis,

Tugas, Presentasi, Makalah

15



6 Mampu menerapkan konsep dasar statistika dan aktuaria secara tepat berdasarkan data.

Mampu mengambil keputusan yang tepat berdasarkan analisis informasi dan data, dan mampu memberikan petunjuk dalam memilih berbagai alternatif solusi secara mandiri dan kelompok.


Pendahuluan: Statistika deskriptif, inferensial dan beberapa pengertian yang digunakan dalam statistika nonparametric, Uji Binomial & CI, Uji kuantil dan CI, Uji ChiSquare, Kolmogorov dan Cox Stuart, Mc Nemar, Sign Test, Wilcoxon test, Randomization, Mann-Whitney & CI, Smirnov, Squared Rank Test dan quiz, Uji Klottz, Smirnov, Cramer von Mises, Uji Kruskal Wallis dan tabel kontingensi r x s, Uji Koefisien korelasi Kendall Tau, Uji Quade dan Friedman, Regresi Nonparametrik, Regresi monotonik. Review statistika nonparametrik dan membahas jounal yang berkaitan dengan statistika nonparametric.


Statistika Nonparametrik (3 SKS)

Mahasiswa dapat memilih Uji Statistik Nonparametrik yang tepat untuk setiap data yang dihadapi

UTS, UAS, Kuis,

Tugas, Presentasi, Praktikum

7 Mampu mengikuti perkembangan Statistika dan/atau Aktuaria



Aljabar matriks, karakter dan penyajian data multivariat : Eigen value, eigen vektor, Mengubah basis, Multivariat Normal Density Function, Estimasi dalam Multivariat Normal; Pengujian mean satu, dua atau lebih populasi dan mengelompokkan data kontinu: Bivariat Anova, Multivariat Anova (Manova), Analisis Komponen Utama & Analisis Faktor, Analisis

Papan Tulis, OHP, LCD, Komputer, Software, Buku Teks, Diktat; Jurnal

Analisis Multivariat 1 ( 3 SKS)

1. Mampu menjelaskan secara matematis suatu data multivariat

2. Menjelaskan teori dan aplikasi data multivariat

UTS, UAS, Tugas,

Presentasi, Makalah




Rantai Markov untuk waktu diskrit dan kontinu; Proses Poisson; Aplikasi Rantai Markov dan aplikasi Proses Poisson ; Proses Renewal

Papan Tulis, OHP,

LCD, Komputer, Buku Teks,

Diktat

Proses Stokastik 1 (3 SKS)

1. Mampu membedakan jenis proses stokastik berdasarkan ruang keadaan dan ruang parameter

2. Mampu mengidentifikasi suatu permasalahan sebagai rantai Markov atau Proses Poisson.

3. Mampu menginterpretasikan matrik transisi dari rantai Markov

UTS, UAS, Kuis,

Tugas, Presentasi, Makalah

9 Mampu menjelaskan konsep dasar pemodelan Statistika.

Mampu menganalisis permasalahan dunia nyata dan memodelkannya ke dalam bentuk pemodelan Statistika


Pendahuluan Regresi Linier Sederhana, Asumi-asumsi dalam pemodelan, Analisis Regresi Linier Sederhana, Analisis Regresi Linier Berganda, Pembentukan Model: Variabel independent kuantitatif dan kualitatif, First Order Model, Second Order Model, Some Regression Pitfalls.


Analisis Regresi 1 (3 SKS)

Mampu membentuk model regresi linier dan dapat menggunakannya dengan baik dan benar dalam permasalahan nyata.

UTS, UAS, Kuis, Tugas, Presentasi, Makalah

16



10 Mampu mengambil keputusan yang tepat berdasarkan analisis informasi dan data, dan mampu memberikan petunjuk dalam memilih berbagai alternatif solusi secara mandiri dan kelompok.

Mampu menganalisis permasalahan dunia nyata dan memodelkannya ke dalam bentuk Statistika, serta mampu menjelaskan dengan benar konsep acak, variansi, kehomogenan data.


Peninjauan konsep-konsep statistika yang diperlukan (sampel acak, dll), Model matematika dan pemisalan-pemisalan dasar, Taksiran kuadrat terkecil; persamaan-persamaan normal, Fungsi estimable, Teorema Gauss-Markov, Bentuk kanonik pemisalan dasar, Konstruksi elipsoida kepercayaan, Statistik uji F. Metode contrast Scheffe dan Tukey.


Rancangan Percobaan 1 (3 SKS)

Mahasiswa mampu menerapkan konsep model matematika dan pemisalan-pemisalan dasar ANOVA pada data nyata.





Modeling; Beberapa ukuran dasar distribusi: momen, kuantil, fungsi pembangkit dan jumlah dari variable random; tail distributions, ukuran resiko dan penggunaannya (VaR dan TVaR); Model – model aktuaria: karakteristik model-model aktuaria, model–model kontinu, beberapa distribusi khusus dan keteraitannya, Linear exponential family distribution, TVaR untuk distribusi yang kontinu, Extreme value distributions; Kelas distribusi diskrit : Distribusi Poisson, negative binomial, binomial, kelas (a,b,0), kelas (a,b,1), Truncation and modification at zero, Compound frequency model, Mixed frequency distributions, TVaR untuk distribusi diskret; Frequency and severity with coverage modifications: Deductibles, Loss Elimination Ratio dan efek inflasi untuk ordinary deductibles, Policy limits, Coinsurance, deductibles, dan limits, Efek dari deductible terhadap frekuensi klaim, Estimasi Parameter, Metode momen dan percentile matching, MLE, Variansi dan estimasi interval, Estimasi Bayesian, Estimasi untuk distribusi diskrit, Analisis data eksploratori.


Model Kerugian 1 (3 SKS)

Pembahasan mengenai kelas – kelas distribusi loss; yang meliputi kelas distribusi diskrit dan kontinu. Akan dipelajari karakteristik distribusi, konstruksi distribusi yang baru, penaksiran parameter dan pemodelan masalah dengan menggunakan distribusi – distribusi tersebut.


17



12 Mampu menjelaskan konsep dasar pemodelan Statistika.

Mampu menganalisis permasalahan dunia nyata dan memodelkannya ke dalam bentuk pemodelan Statistika serta dapat memberikan jalan keluar apabila ada asumsi pemodelan yang tidak dipenuhi


Masalah Multikolinearitas; Transformasi Data; Analisis Residual: Heteroskedastisitas, Ketidaknormalan, Outlier, Autokolinearitas; Regresi linier piecewise, weighted leastsquare; Regresi logistic sederhana dan ganda: interpretasi koefisien, odds ratio, pengujian model, estimasi, seleksi variable; table kontingensi, pemodelan log linier; aplikasi pada permasalahan nyata, interpretasi.


Analisis Regresi 2. (3 SKS)

Mahasiswa mampu membedakan berbagai metode pemodelan linier dan dapat menggunakan-nya dengan baik dan benar dalam permasalahan nyata.



Mampu mengidentifikasi teori statistika dan/atau aktuaria pada perkembangan sains dan teknologi.


Analisis Korelasi Kanonik: Korelasi & Variat kanonik, pendekatan geometr & analitis untuk korelasi kanonic, Test of significance, Hubungan analisis korelasi kanonic dengan teknik Multivariate lainnya. Analisis Komponen Utama (PCA): dasar geometri & Aljabar dari Komponen Utama, analisis komponen utama, plot Komponen Utama, interpresi dari PCA. Analisis Faktor, Analisis Cluster: ukuran similaritas or disimilaritas, Cluster Hierarki vs Cluster Nonhierarki, pemilihan variabel dalam pengelompokan. Analisis regresi multivariate: Regresi Ganda Univariat, pendugaan regresi ganda multivariat, pengujian hipotesis regresi ganda multivariat. Prosedur grafik: Multidimensional Scaling (MDS), Analisis korespondensi, Biplots, dan Analisis Diskriminan.


Analisis Multivariat 2 (3 SKS)

Mahasiswa mampu mengenali (mendeteksi) suatu permasalahan dunia nyata yang dapat dimodelkan dan dianalisis menggunakan analisis multivariate.



Mampu menerapkan konsep dasar statistika dan aktuaria secara tepat berdasarkan data.


Prinsip dasar rancangan, Analisis Variansi, Rancangan Acak Sempurna, Rancangan Blok Acak Lengkap, Rancangan Blok Acak Tak Lengkap Seimbang, Rancangan Bujur Sangkar Latin, Graeco Latin Square, Rancangan Faktorial, Rancangan Faktorial 2k, Bloking dan Counfounding dalam Faktorial 2k, Rancangan Fraksional Faktorial, Aturan EMS, Rancangan Nested dan Split Plot.


Rancangan Percobaan 2 (2 SKS)

Mahasiswa dapat menentukan model rancangan percobaan yang sesuai dengan permasalahan yang dihadapi dan mampu menganalisis data yang diperoleh.


18



15 Mampu menganalisis permasalahan dunia nyata dan memodelkannya ke dalam bentuk Statistika dan Aktuaria.



Pendahuluan, konsep dasar runtun waktu; kestasioneran; fungsi autokorelasi, model untuk runtun stasioner (ARIMA Model) , model untuk runtun non stasioner, spesifikasi model, estimasi parameter model, diagnostic model, peramalan, model musiman (SARIMA Model).


Runtun Waktu (3 SKS)

1. Mampu menjelaskan konsep dasar teori runtun waktu

2. Mampu membentuk model berdasarkan data runtun waktu

UTS, UAS, Kuis,


16 Mampu berinovasi dengan kreatif untuk mengisi kebutuhan masyarakat berdasarkan Ilmu Statistika dan Aktuaria

Memiliki jiwa kewirausahaan yang bercirikan inovasi dan kemandirian yang berlandaskan etika


Mindset Kewirausahaan - Konsep Dasar Kewirausahaan - Pengertian kewirausahaan dan wirausaha - Wirausaha dan Manajer. Karakteristik dan Motivasi Wirausaha - Karakteristik/sifat Wirausaha - Perilaku Wirausaha - Faktor-faktor motivasi. Usaha Kecil dan Menengah - Bisnis - Jenis-jenis Organisasi Bisnis - Karakteristik Sistem Bisnis B. Strategi Memulai Bisnis - Peluang Bisnis - Beberapa Pertanyaan Awal - Lima Kunci Sukses. Strategi Mengembangkan Kreativitas dan Inovasi - Arti penting inovasi dan kreativitas - Mengembangkan kreativitas - Proses inovasi. Persiapan Akhir - Membina Keberanian - Melakukan Presentasi - Menghadapi Pertanyaan. Presentasi Proposal Bisnis.


Kewirausahaan

Mahasiswa mamiliki bekal untuk membuka lapangan usaha/pekerjaan.

UTS, UAS, Kuis,


19

Mata Kuliah Pilihan



1 Mampu menghadapi daya saing dalam dunia kerja.



Konsep dasar; Bagan kendali untuk variabel (bagan dan R; bagan dan S); Bagan kendali untuk bagian yang ditolak; Bagan kendali untuk ketidak sesuaian; Bagan kendali untuk ketidaksesuaian per unit; Rational Subgrouping; Batas Probabilitas untuk bagan kendali dan R; Batas probabilitas untuk bagan kendali untuk ketidaksesuaian dan untuk bagan kendali untuk ketidaksesuaian per unit; Analisis dari kapabilitas proses; Analisis pareto; Diagram sebab-akibat; Bagan kendali untuk rata-rata bergerak; Bagan kendali dengan trend linier; Cumulative Sum Control Chart.


Statistika Pengendalian Mutu (3 SKS)

Mahasiswa mampu menjelaskan dan menggunakan teori statistika pada persoalan pengendalian mutu



Mampu mengambil keputusan yang tepat berdasarkan analisis informasi dan data, dan mampu memberikan petunjuk dalam memilih berbagai alternatif solusi secara mandiri dan kelompok


Pendahuluan: alasan melakukan survei dan komponen-komponen dalam survei; Error dalam survei, Complex sampling : menentukan metode sampling yang tepat, sample frame, unit sampel, ukuran sampel, alokasi sampel; Menangani non-response dalam survei; Metode pengumpulan data, Merancang kuesioner; Mempersiapkan data untuk analisis; Kode etik dalam survei; Menentukan Survei Error; Merancang Quick Count.


Metode Survei (3 SKS)

Mahasiswa mampu menjelaskan apa yang dimaksud dengan suatu survei, alasan mengapa dilakukan survei, macam-macam survei, bagaimana merancang alat ukur untuk survei, bagaimana merancang dan melaksanakan suatu survei serta mampu melakukan survei dengan metode yang benar.



Mampu menganalisis permasalahan dunia nyata dan memodelkannya ke dalam bentuk Statistika dan Aktuaria.


Teori bunga dan probabilitas, Peubah acak untuk usia kegagalan; contoh dari model survival parametrik; peubah acak untuk waktu kegagalan; central rate; model survival pilihan. Definisi tabel usia; bentuk tradisional dari tabel usia; penurunan fungsi dari jumlah hidup; metode untuk usia non-integral; tabel usia pilihan; ringkasan tabel usia. Model stokhastik diskrit; pendekatan deterministik grup; model stokhastik kontinu; model pembayaran tertentu di masa depan dengan pembayaran yang beragam. Model anuitas seumur hidup; model anuitas sementara; model anuitas seumur hidup tertunda; anuitas tertentu di masa depan yang dibayarkan lebih dari satu kali dalam setahun. Skema pendanaan tahunan untuk model pembayaran tertentu di masa depan; analisa peubah acak; skema pendanaan pembayaran kontinu.


Matematika Aktuaria 1 (3 SKS)

1. Mampu menerapkan berbagai perangkat matematika untuk memodelkan dampak finansial dari suatu kontrak antar agen-agen ekonomi, sebagai akibat dari suatu ketidakpastian di masa depan. Mahasiswa diharapkan mampu menjelaskan dengan baik konsep dasar matematika asuransi jiwa, dan pendekatan aktuaria dalam menaksir tarif dari berbagai kontrak keuangan yang menimbulkan klaim finansial tertentu di masa depan (contingent financial claim)


20




Mampu menganalisis permasalahan dunia nyata dan memodelkannya ke dalam bentuk Statistika dan Aktuaria


Pendahuluan tentang Data Spasial, Proses Spasial, Fungsi Kovariansi, Model-model Semivariogram, Semivariogram Eksperimental, Model Linier Umum, Interpolasi dan Prediksi Spatial, Metode Kriging: Simple Kriging, Ordinary Kriging, Universal Kriging dan Multivariat Kriging (CoKriging).


Statistika Spasial (3 SKS)

Mahasiswa mampu menjelaskan apa yang dimaksud dengan data spasial, fungsi kovariansi spasial, model –model semivariogram, bagaimana menghitung semivariogram eksperimental dan menentukan model semivariogram yang cocok dengan data, serta mampu memodelkan data spatial secara tepat untuk memecahkan masalah –masalah yang terkait dengan data spatial.



Mampu menganalisis permasalahan dunia nyata dan memodelkannya ke dalam bentuk Statistika dan Aktuaria.


Benefit Premiums; Benefit Reserves, Analysis of Benefit Reserves, Special Topics.


Matematika Aktuaria 2 (3 SKS)

Mampu menerapkan berbagai perangkat matematika untuk memodelkan dampak finansial dari suatu kontrak antar agen-agen ekonomi, sebagai akibat dari suatu ketidakpastian di masa depan. 2. Mampu menjelaskan dengan baik konsep dasar matematika asuransi jiwa, dan pendekatan aktuaria dalam menaksir tarif dari berbagai kontrak keuangan yang menimbulkan klaim finansial tertentu di masa depan (contingent financial claim)





Memeriksa reliabilitas dan validitas alat ukur. Mempersiapkan data untuk analisis. Mengubah data kontinu menjadi data katagorik. Menganalisis data berdasarkan deskripsi data. Menganalisis data berdasarkan metode-metode statistika dasar yang tepat. Menganalisis data dengan metode SEM. Memilih metode yang tepat untuk menganalisis data lapangan dan meng-komunikasikan hasil analisis data yang didapat.


Analisis Data Kuantitatif (3 SKS)

Mahasiswa dapat mempersiapkan data untuk analisis, mengerti metode-metode statistika dan masing-masing kegunaan-nya. menganalisis data dengan metode yang tepat dan menyimpulkan hasil analisis data untuk menjawab tujuan penelitian.





Pendahuluan:Normative & Descriptive decision theory,Rational & right decision, Risk, Ignorance ,Certainty, Certainty Trees, Decision Matrix; Decision under ignorance: Maximax Rule, Minimax Regret Rule, Optimist-Pessimist Rule; Decision under risk: Maximum Expected Value, Bayesian Decision Theory; Utility Theory : Interval utility score, Monetary values vs utility, Von Neumann-Morgenstern Utility Theory, Criticism of Utility Theory; Causal Decision Theory; Scoring rules; Value of information.


Teori Keputusan Statistika (3 SKS)

Mahasiswa dapat menjelaskan dengan benar serta menggunakan teori pengambilan keputusan pada beberapa kondisi dan dengan beberapa metode.


21






The Forecasting Perspective: Why Forecast, Overview of Forecasting Technique, Basic Step in a Forecasting Task. Basic Forecasting Tools: Time Series and Cross Sectional Data, Graphical Summaries, Numerical Summaries, Measuring Forecast Accuracy, Prediction Intervals, Least Square Estimates, Transformation and Adjustments. Time Series Decomposition: Principles of Decomposition, Moving Averages, Local Regression Smoothing, Classical Decomposition, Census Bureau Methods, STL Decomposition, Forecasting Decomposition. Exponential Smoothing Methods: The forecasting scenario, Averaging Methods, Exponential Smoothing Methods, A Comparison of Methods, General Aspects of Smoothing Methods. Application.


Metode Peramalan Statistika (3 SKS)

Mahasiswa mampu menjelaskan berbagai metode peramalan statistika yang berlaku di berbagai bidang bisnis, seperti smoothing eksponensial, dekomposisi musiman, dan lainnya. Penekanannya untuk menerapkan metode ini pada data real menggunakan paket fitur lengkap seperti paket spreadsheet (Excel).





Pendahuluan: Teknik komputasi untuk mining informasi berjumlah besar yang diproduksioleh perkembangan di biologi, seperti genome sequencingdan teknologi microarrray. Topik utama meliputi: 1. DNAand protein sequence alignment, 2. sequence motifs/patterns, 3. phylogenetic trees, 4. protein structures: prediction, alignment,

classification 5. microarray data analysis: normalization,

clustering 6. biological networks.


Statistika Genom (3SKS)

Mahasiswa mampu menjelaskan dasar-dasar statistika genome yang dapat digunakan untuk riset lebih lanjut di topic bioinformatika, terutama: 1. the bioinformatics terminology, 2. main bioinformatics problems,


10 Mampu menghadapi daya saing dalam dunia kerja.



Aggregate loss model, Discrete time ruin model, Continuous time ruin model, Konstruksi model secara empiris, Seleksi model, Estimasi dan seleksi model untuk model yang kompleks, Kredibilitas, Simulasi.


Model Kerugian 2 (3 SKS)

Mampu menerapkan pemodelan lebih lanjut pada data kerugian; seleksi model,dan kredibilitas. Simulasi juga dilakukan untuk mendapatkan pemahaman yang lebih komprehensif.


22






Teori Pembaharuan (Renewal Theory) dan Aplikasinya : Pendahuluan Teori Pembaharuan, Distribusi dari N(t), Teorema Limit dan Aplikasinya, Reneal Reward Process, Regenerative Process, Semi Markov Process, The Inspection Paradox, Computing the Renewal Function, Application to Patterns. Brownian Motion dan Proses Stasioner: Brownian Motion, Hitting Times, Maximum Variable, and The Gambler’s Ruin problem, Various on Brownian Motion, Pricing Stock Options, White Noise andGaussian Process, Stationary and Weakly Stationary Process Stochastics Simulation: The simulation Procedure, Multiplicative Congruential Random Number Generators, The Inversion Methods for Generating Simulated Outputs from Continuous Disributions, The Table Look-Up Methods for Discrete Probability Distributions, The Polar Method for Generating Simulated Normal Distribution Values, Sample Size and Precision.


Proses Stokastik 2 (3 SKS)

Mampu menerapkan i model probabilitas dan melibatkan berbagai teori yang seimbang dengan aplikasinya.


12 Mampu mengambil keputusan yang tepat berdasarkan analisis informasi dan data, dan mampu memberikan petunjuk dalam memilih berbagai alternatif solusi secara mandiri dan kelompok.

Memiliki kepekaan dan kepedulian terhadap masalah lingkungan, kemasyarakatan, bangsa dan negara


Konsep Dasar Ekonomi Mikro, Teori Perilaku Konsumen, Teori Produksi, Biaya Produksi. Struktur Pasar, Keseimbangan firm. Mekanisme pasar dan kebijakan pemerintah


Teori Mikro Ekonomi (3 SKS)

Dapat menjelaskan pengertian konsep teori Ekonomi Mikro dengan menggunakan pendekatan verbal, pendekatangrafik serta pendekatan matematis. Selain itu juga mampu menjelaskan beberapa konsep dasar dalam makroekonomi, dasar teori makroekonomi yang kuat. Memperoleh gambaran riil dari teori-teori yang diperolehnya dalam praktek sehari-hari. Mampu menerapkan teori dalam menganalisis gejala ekonomi yang berkaitan dengan makroekonomi.


13 Memiliki kepekaan dan kepedulian terhadap masalah lingkungan, kemasyarakatan, bangsa dan negara.



Mata kuliah ini membahas tentang beberapa konsep dasar dalam ekonomi makro, kebijakan ekonomi makro, kegiatan ekonomi masyarakat dan pendapatan nasional, analisis pendapatan nasional, permintaan dan penawaran akan uang, keseimbangan umum pasar produk dan pasar uang, permintaan uang dan kebijakan stabilisasi, teori permintaan agregat dalam perekonomian terbuka, teori penawaran agregat dalam perekonomian terbuka, makroekonomi ekuilibrium dalam perekonomian terbuka


Teori Makroekonomi (3 SKS)

Mampu menjelaskan beberapa konsep dasar dalam makroekonomi, dasar teori makroekonomi yang kuat. Memperoleh gambaran riil dari teori-teori yang diperolehnya dalam praktek sehar-hari. Mampu menerapkan teori dalam menganalisis gejala ekonomi yang berkaitan dengan makroekonomi.

23




Mampu menjelaskan teori dasar Matematika, Statistika dan/atau Aktuaria


Model regresi linier dan permasalahannya, estimasi model non linier dan MLE, distributed lag model, Granger causality, model persamaan simultan, model panel data, dan model time series, penerapan ekonometri dengan menggunakan perangkat lunak statistikauntuk menyelesaikan masalah-masalah ekonomi, bisnis, dan keuangan.


Ekonometrika (3 SKS)

Mahasiswa mampu menggunakan metode-metode ekonometrika untuk menyelesaikan masalah-masalah ekonomi, bisnis dan keuangan.





Kuantitas-kuantitas dasar pada analisa survival: Pendahuluan: contoh - contoh kasus dan tipe data pada survival analysis, Fungsi survival, Fungsi hazard, Fungsi mean residual life dan median life, Model - model parametrik untuk data survival; Pemancungan dan Penyensoran: Pendahuluan, Penyensoran kanan, Penyensoran kiri atau interval, Pemancungan, Konstruksi likelihood untuk data terpancung dan tersensor; Penaksiran nonparametrik pada data tersensor kanan dan terpancung kiri: Uji hipotesis:; Regresi hazard proporsional semiparametrik dengan kovariate tetap


Analisis Survival (3 SKS)

Memperkenalkan mahasiswa dengan teknik-teknik analisis statistik untuk data waktu hingga peristiwa tertentu terjadi (time to event data). Mahasiswa mampu menjelaskan dengan benar cara memperlakukan time to event data untuk kepentingan analisis serta permodelan, dan mampu melakukan berbagai tehnik analisis statistik baik pada data- survival time yang tersensor (censored) maupun yang terpancung (truncated)





Pada mata kuliah ini akan dipelajari metode – metode untuk menganalisis data kategorik, berdasarkan perspektif maksimum likelihood (frequentist). Topik pokok yang dibahas adalah statistika descriptive dan inferensi untuk table kontingensi dua arah dan tiga arah, generalized linear models untuk response yang diskrit, binary regression models (dengan penekanan pada regresi logistic), multi-category logit models untuk response yang nominal dan ordinal, model loglinier untuk table kontingensi, dan matched pairs.


Analisis Data Katagorik (3 SKS)

1. Mampu menjelaskan konsep-konsep dan tehnik pemodelan data katagorik 2. Mampu menggunakan model yang tepat pada penyelesaian masalah-masalah riil.

UTS, UAS, Kuis,

Tugas, Presentasi, praktikum

24

Untuk menyelesaikan Program Studi S1 Statistika Departemen Matematika FMIPA UI,

mahasiswa diwajibkan untuk mengikuti kegiatan akademik dengan bobot minimal 144

(seratus empat puluh empat) SKS dalam kurun waktu mimimal 3,5 tahun dan maksimal 6

tahun. Mata kuliah yang harus diambil mahasiswa dalam program ini dapat dilihat pada Tabel

4. Tabel 4 Distribusi Mata Kuliah

Jenis Mata Kuliah SKS Total

Mata Kuliah Wajib Universitas 18

116

Rumpun Sainstek 5

Fakultas 8

Departemen 37

Prodi 48

Pilihan 28 28

Total 144

Untuk mencapai kompetensi yang diharapkan, mata kuliah wajib akan memberikan

dasar teori statistika yang kuat bagi mahasiswa untuk dikembangkan sesuai dengan kelompok

studi atau bidang minat masing-masing mahasiswa. Mata kuliah pilihan memberi kebebasan

mahasiswa untuk lebih mendalami bidang statistika sesuai dengan minatnya. Mata kuliah

pilihan dibagi menjadi beberapa bidang minat yaitu bidang Statistika Murni, Statistika

Aktuaria, dan Statistika Terapan (Psikometri dan Sosial, Spasial, Kesehatan). Di dalam

struktur mata kuliah pilihan disediakan beberapa mata kuliah Topik Khusus yang

dimaksudkan untuk menampung minat mahasiswa dalam bidang minat tertentu. Mata kuliah

Topik Khusus diberikan sesuai dengan banyaknya peminat dan/atau permintaan pasar.

Kegiatan yang dilakukan dalam setiap mata kuliah, baik mata kuliah wajib maupun

mata kuliah pilihan meliputi kegiatan perkuliahan, diskusi, presentasi, responsi, dan tugas-

tugas bergantung pada kebutuhan masing-masing mata kuliah.

25

4.2. Kategori Kompetensi Utama

Kategori Kompetensi Utama adalah kategori kompetensi yang harus dicapai oleh

lulusan Program Studi S1 Statistika, berdasarkan Buku Praktek Baik dalam Penjaminan Mutu

Pendidikan Tinggi, Buku II tentang Kurikulum Program Studi, Kemendiknas, 2005.

Parameter Kompetensi diberi kode KK1, KK2, KK3, PP1, PP2, KM1, dan KM2 yang

ditunjukkan pada Tabel 5 dan Struktur Kurikulum berdasarkan kategori ini ditunjukan pada

Tabel 6. Tabel 5 Parameter Kompetensi

Parameter Kode Kompetensi

Keterampilan di Bidang Kerja

KK1 Mampu menyusun dan/atau memilih rancangan pengumpulan/pembangkitan data yang efisien dan menerapkannya dalam bentuk survei, percobaan, atau simulasi.

KK2 Mampu melakukan manajemen dan analisis data menggunakan teknik-teknik statistika dengan bantuan perangkat lunak.

KK3 Mampu menyelesaikan permasalahan nyata secara statistika dan mampu menyajikan serta mengkomunikasikan dalam bentuk yang mudah dipahami baik secara tertulis maupun lisan.

Penguasaan Pengetahuan

PP1 Menguasai konsep dasar keilmuan statistika dan metode-metode analisis statistika yang dapat diaplikasikan pada berbagai bidang terapan.

PP2 Menguasai Teknologi Informasi dan Komunikasi (TIK) yang berkaitan dengan Statistika

Parameter Kode Kompetensi

Kemamuan Manajerial KM1 Mampu bekerjasama dan berkomunikasi dalam

tim serta bertanggungjawab terhadap pekerjaan. KM2 Memiliki etika profesi dalam penerapan statistika.

26

Tabel 6 Struktur Kurikulum Berdasarkan Kategori Kompetensi Utama

KOMPETENSI SASARAN PARAMETER CAPAIAN

PEMBELAJARAN MATA KULIAH SKS SMT %

Sikap dan Tata Nilai

Susun dan mengomunikasikan ide

KM1: Kerjasama dan komunikasi tim

Moral/Agama Agama 2 1 14%

Keahlian Bahasa Bahasa Inggris 3 2 Seni/Olahraga MPK Seni/OR 1 1

Karakter MPKT A 6 7

Kerjasama MPKT B 6 1

Praktek Kerja Lapangan 2 7

Umum

Mampu menerapkan pengetahuan matematika, statistika dan sains

KM2 : Etika Profesi dalam penerapan statisika

Kemampuan Dasar Kemipaan

Biologi Umum 2 3 10%

Kimia Dasar 1 2 2 Fisika Dasar 1 3 2

Matematika Dasar 1 2 1

Publikasi Metode Statistika 2 1

Aljabar Linier Elementer 2 2

Metode Penelitian 2 5

Utama

Menguasai ilmu dasar matematika dan statistika

PP1 : Konsep Dasar

Dasar-dasar Matematika

Aljabar Linier I 2 2 46%

Analisis Real 4 3

Logika & Teori Bilangan 3 1

Matematika Dasar 2 4 2

Menerapkannya /aplikasikan

Matematika Dasar 3 4 3 Dasar-Dasar Statistika Pengantar Teori Probabilitas 2 4

Statistika Matematika 1 4 3

Menyelesaikan permasalahan dengan teori statistika

Statistika Matematika 2 4 4

Teori Matriks Statistika 3 4 Analisis Regresi 1 3 5 Metode Statistika Lanjut 2 2

Mengetahui dasar-dasar komputasi khususnya untuk statistika

Matematika Keuangan 4 4

Analisis Regresi 2 3 6

Analisis Multivariate 1 3 5

Analisis Multivariate 2 3 6

Proses Stokastik 1 3 5

Teknik Sampling 3 4

Statistika Non-Parametrik 3 4

Runtun Waktu 3 6

Model Kerugian 1 3 5

Rancangan Percobaan 1 2 5

Rancangan Percobaan 2 2 6

PP2 : Perangkat Lunak

Dasar-dasar Komputasi

Metode Numerik 4 3 5%

Algoritma Perangkat Lunak Statistika 3 3

27

KOMPETENSI SASARAN PARAMETER CAPAIAN

PEMBELAJARAN MATA KULIAH SKS SMT %

Khusus

PP1,PP2,KK3 Akademisi/Peneliti Model Kerugian 2 3 5 58%

KK1, KK2, KK3 Biostatistician Rancangan Percobaan 2 2 6

PP2, KK3 Geospasial Ekonometrika 3 7

KK1, KK2 Market Research Teori Mikro Ekonomi 3 5 KK1, KK2 Pasar Modal Teori Makro Ekonomi

PP1, PP2, KK2, KK3 Perbankan Matematika Aktuaria 2 3 6

PP1, KK2, KK3 Psikometrika Matematika Aktuaria 1 3 5

KK1, KK3 Saham Kewirausahaan 2 6

PP1, KK1, KK2, KK3 Wira usaha Proses Stokastik 2 3 5

PP1, PP2, KK3 Big Data Analisis Survival 6 5

PP1, KK1, KK2, KK3 Analisis Data

Kategorik/Kuantitatif 3 6

KK1, KK2 Metode Peramalan Statistika 3 5

KK1, KK3 Metode Survei 3 5

KK1, KK3 Psikometrika 3 6

PP1, PP2, KK1 Teori Probabilitas 2 5

PP1, PP2, KK1, KK2, KK3 Model Linier Umum 3 7

KK1, KK2, KK3 Statistika Bayesian 3 5

KK1, KK2, KK3 Statistika Genome 3 6

PP1, PP2, KK2, KK3 Statistika Pengendalian Mutu 3 4

PP1, PP2, KK1, KK2, KK3 Statistika Spasial 3 6

PP1, KK1, KK3

Teori Keputusan 3 5

Skripsi 6 6

28

Kurikulum PS Statistika juga merujuk pada pengguna statistikawan dan lembaga

statistika seperti FORSTAT yang berada di dalam IndoMS. Oleh karena itu ada beberapa

mata kuliah yang berpadanan dengan kurikulum minimal IndoMS seperti terlihat pada Tabel

7 berikut ini:

Tabel 7 Padanan Kurikulum Program Studi Statistika dengan Kurikulum IndoMS

Kurikulum Minimal FORSTAT (IndoMS)

SKS Mata Kuliah Terkait di Prodi Statistika SKS

Kalkulus 6 Matematika Dasar 1 2 Matematika Dasar 2 4

Aljabar Matriks 3 Teori Matriks Statistika 3 Aljabar Linier Elementer 2 Aljabar Linier 1 2

Algoritma dan Pemrograman

3 Algoritma dan Perangkat Lunak Statistika 3 Metode Numerik 4

Analisa Data Eksplorasi 6 Analisa Data Kategorik 3 Basis Data/ Data Mining Data Mining 3 Metode Statistika 12 Metode Statistika 2 Metodologi Penelitian Metodologi Penelitian 2 Rancangan Percobaan Rancangan Percobaan 4 Analisis dan Perancangan Survey

Sampling 3 Metode Statistika Lanjut 2

Pengantar Statistika Matematika 1 (Peluang)

22 Statistika Matematika 1 4

Pengantar Statistika Matematika 1 (Inferensia)

Statistika Matematika 2 4

Analisis Regresi/ Pengantar Model Linier

Analisis Regresi 1 3

Statistika Non Parametrik Statistika Non Parametrik 3 Analisis Data Kategorik Data Kategorik 3 Analisis Runtun Waktu Runtun Waktu 3 Analisis Multivariat Analisis Multivariat 1 3

Analisis Multivariat 2 3 Analisis Regresi 2 3 Komputasi Saintifik Praktek Kerja Lapangan 6 Kewirausahaan 2 Tugas Akhir/ Karya Ilmiah Skripsi 6

29

4.3. Rincian Kurikulum

Sebagai program studi yang berada di dalam Departemen Matematika FMIPA UI,

Rincian Kurikulum yang diberikan pada Program Studi ini terbagi menjadi beberapa

kelompok, yaitu Mata Kuliah Wajib Universitas, Mata Kuliah Wajib Rumpun Ilmu, Mata

Kuliah Wajib Fakultas, Mata Kuliah Wajib Departemen, yang masing-masing ditunjukkan

pada Tabel 8 sampai dengan Tabel 11, serta Mata Kuliah Wajib Program Studi, Mata

Kuliah Pilihan Bidang Statistika Murni, Aktuaria dan Terapan yang masing-masing

diberikan pada Tabel 12 sampai dengan Tabel 15. Mata Kuliah yang digolongkan pada

Tabel 6 sudah dimasukkan dalam rincian kurikulum Program Studi ini.

Tabel 8 Mata Kuliah Wajib Universitas

No Kode Nama Mata Kuliah Semester SKS Prasyarat

1 UIGE600002 MPKT Sains 1 6 2 UIGE600020-48 Olahraga/Seni 1 1 3 UIGE600003 Bahasa Inggris 1 3

4 UIGE600001 MPKT Sosial dan Humaniora 2 6

5 UIGE600010-15 Agama 2 2 Total 18

Tabel 9 Mata Kuliah Wajib Rumpun Ilmu


1 UIST601110 Matematika Dasar 1 1 2 2 UIST601111 Fisika Dasar 1 2 3

Total 5

Tabel 10 Mata Kuliah Wajib Fakultas


1 SCMA601200 Metode Statistika 1 2 2 SCMA601120 Aljabar Linier Elementer 1 2 3 SCCH601103 Kimia Dasar 1 2 2 4 SCBI601112 Biologi Umum 3 2

Total 8

Mata Kuliah Wajib Departemen dan Mata Kuliah Wajib Program Studi diberikan

sebagai hasil pertimbangan untuk mencapai kompetensi lulusan yang diharapkan seperti

pada Tabel 3.6, yaitu Kategori Kompetensi Utama.

30

Tabel 11 Mata Kuliah Wajib Departemen


1 SCMA601101 Logika & Teori Bilangan 1 3 2 SCMA601111 Matematika Dasar 2 2 4 Matematika Dasar 1 3 SCMA601121 Aljabar Linier 1 2 2 Aljabar Linier Elementer 4 SCMA602112 Matematika Dasar 3 3 4 Matematika Dasar 2

5 SCMA602402 Metode Numerik 3 4 Algoritma dan Perangkat Lunak Statistik, Matematika Dasar 2, Aljabar Linier 1

6 SCMA602211 Statistika Matematika 1 3 4 Metode Statistika 7 SCMA602521 Matematika Keuangan 4 4 Matematika Dasar 2 8 SCMA602212 Statistika Matematika 2 4 4 Statistika Matematika 1 9 SCMA603909 Metode Penelitian 4 2 Telah memperoleh 70 SKS 10 Skripsi 6 6

Total 37

Tabel 12 Mata Kuliah Wajib Program Studi


1 SCST601001 Metode Statistika Lanjut 2 2 Metode Statistika 2 SCST602002 Algoritma dan Perangkat

Lunak Statistika 3 3 Logika & Teori Bilangan,

Metode Statistika Lanjut 3 SCST602003 Analisis Real 3 4 Matematika Dasar 3 4 SCST602005 Pengantar Teori

Probabilitas 4 2 Analisis Real

5 SCST602006 Statistika Nonparametrik 4 3 Statistika Matematika 1 6 SCST602007 Teknik Sampling 4 3 Statistika Matematika 1 7 SCST602008 Teori Matriks Statistika 4 3 Aljabar Linear 1,

Matematika Dasar 2 8 SCST603009 Analisis Multivariat 1 5 3 Statistika Matematika 2,

Teori Matriks Statistika 9 SCST603010 Analisis Regresi 1 5 3 Statistika Matematika 2,

Teori Matriks Statistika 10 SCST603011 Matematika Aktuaria 1 5 3 Statistika Matematika 2 11 SCST603012 Model Kerugian 1 5 3 Statistika Matematika 2 12 SCST603013 Proses Stokastik 1 5 3 Statistika Matematika 1 13 SCST603014 Rancangan Percobaan 1 5 2 Statistika Matematika 2 14 SCST603015 Analisis Multivariat 2 6 3 Analisis Multivariat 1 15 SCST603016 Analisis Regresi 2 6 3 Analisis Regresi 1 16 SCST603017 Rancangan Percobaan 2 6 2 Rancangan Percobaan 1 17 SCST603018 Runtun Waktu 6 3 Analisis Regresi 1

Total 48

31

Tabel 13 Mata Kuliah Pilihan Bidang Statistika Murni


1 SCST603101 Statistika Bayesian 5 3 Statistika Matematika 2 2 SCST603102 Teori Keputusan 5 3 Statistika Matematika 2 3 SCST603103 Metode Peramalan

Statistika 6 3 Statistika Matematika 1

4 SCST603104 Proses Stokastik 2 6 3 Proses Stokastik 1 5 SCST603105 Teori Probabilitas 6 2 Pengantar Teori Probabilitas 6 SCST604106 Analisis Data Kategorik 7 3 Analisis Regresi 2 7 SCST604107 Model Linear Umum 7 3 Analisis Regresi 2 8 SCST603911 Topik Khusus 1 5 3 9 SCST603912 Topik Khusus 2 6 3 10 SCST604913 Topik Khusus 3 7 3

Total 29

Tabel 14Mata Kuliah Pilihan Bidang Aktuaria


1 SCST603201 Analisis Survival 5 3 Statistika Matematika 2 2 SCST603202 Teori Mikro Ekonomi 5 3 Analisis Regresi 1 3 SCST603203 Matematika Aktuaria II 6 3 Matematika Aktuaria 1 4 SCST603204 Model Kerugian 2 6 3 Statistika Matematika 2 5 SCST603205 Teori Makro Ekonomi 6 3 Teori Mikro Ekonomi 6 SCST604206 Ekonometrika 7 3 Analisis Regresi 2, Runtun

Waktu 7 SCST603921 Topik Khusus 1 5 3 8 SCST603922 Topik Khusus 2 6 3 9 SCST604923 Topik Khusus 3 7 3

Total 27

32

Tabel 15Mata Kuliah Pilihan Bidang Statistika Terapan

No Kode Nama Semester SKS Prasyarat

1 SCST603301 Kewirausahaan 5 2 2 SCST603302 Metode Survei 5 3 Metode Statistika 3 SCST603303 Statistika Genom 5 3 Metode Statistik, Algoritma

dan Perangkat Lunak Statistika

4 SCST603304 Statistika Pengendalian Mutu

5 3 Statistika Matematika 1

5 SCST603305 Analisis Data Kuantitatif 6 3 Analisis Multivariat 2, Analisis Data Kategorik

6 SCST603306 Data Mining 6 3 Algoritma dan Perangkat Lunak Statistika

7 SCST603307 Psikometrika 6 3 Analisis Regresi 1 8 SCST603308 Statistika Spasial 6 3 Analisis Regresi 1 9 SCST604309 Praktek Kerja Lapangan 7 2 10 SCST603931 Topik Khusus 1 5 3 11 SCST603932 Topik Khusus 2 6 3 12 SCST604933 Topik Khusus 3 7 3

Total 34

Memperhatikan kompetensi yang diharapkan pada Tabel 5, mahasiswa harus

mengambil Mata Kuliah Pilihan yang dapat dipilih di antara Mata Kuliah yang tercantum

pada Tabel 13 sampai dengan Tabel 15.

Memperhatikan kompetensi yang diharapkan pada Tabel 6, mahasiswa harus

mengambil Mata Kuliah Pilihan yang dapat dipilih di antara Mata Kuliah yang tercantum

pada Tabel 12 sampai dengan Tabel 14.

Tabel 16 adalah mata kuliah yang didistribusikan pada 8 semester dan Gambar 2 adalah

Jejaring Mata Kuliah yang diberikan pada Program Studi S1 Statistika Departemen

Matematika FMIPA UI, sedangkan silabus tiap mata kuliah ada pada Lampiran.

33

Tabel 16 Keseluruhan Mata Kuliah pada Delapan Semester

SEMESTER 1 SEMESTER 2 SEMESTER 3 SEMESTER 4 Kode MATA KULIAH SKS Kode MATA KULIAH SKS Kode MATA KULIAH SKS Kode MATA KULIAH SKS

Wajib

UIGE600002 MPKT Sains 6 UIGE600001 MPKT Sosial dan Humaniora 6 SCBI601112 BiologiUmum 2 SCMA602212 Statistika

Matematika 2 4

UIGE600003 Bahasa Inggris 3 UIGE600010-15 Agama 2 SCMA602211 Statistika

Matematika I 4 SCMA602521 Matematika Keuangan 4

UIGE600020-48 Olahraga/Seni 1 UIST601111 Fisika Dasar 1 3 SCST602002

Algoritma dan Perangkat Lunak Statistika

3 SCST602008 Teori Matriks Statistika 3

UIST601110 Matematika Dasar 1 2 SCMA601121 Aljabar Linier 1 2 SCMA602112 Matematika Dasar 3 4 SCST602006 Statistika Nonparametrik 3

SCMA601120 Aljabar Linier Elementer 2 SCMA601111 Matematika Dasar 2 4 SCMA602402 Metode Numerik 4 SCST602007 Teknik Sampling 3

SCMA601101 Logika & Teori Bilangan 2 SCST601001 Metode Statistika

Lanjut 2 SCST602003 Analisis Real 4 SCST602005 Pengantar Teori Probabilitas 2

SCMA601401 Metode Statistika 2 SCMA603909 Metode Penelitian 2 SCCH601103 Kimia Dasar 1 2 20 19 21 21

34

SEMESTER 5 SEMESTER 6 SEMESTER 7 SEMESTER 8

Kode MATA KULIAH SKS Kode MATA KULIAH SKS Kode MATA KULIAH SKS Kode MATA KULIAH SKS Wajib Wajib Wajib Wajib SCST603010 Analisis Regresi 1 3 SCST603018 Runtun Waktu 3 SCMA604902 Skripsi 6 SCMA604902 Skripsi 6 SCST603009 Analisis Multivariat 1 3 SCST603015 Analisis Multivariat 2 3 SCST603011 Matematika Aktuaria 1 3 SCST603016 Analisis Regresi 2 3 SCST603012 Model Kerugian 1 3 SCST603017 Rancangan Percobaan 2 2 SCST603013 Proses Stokastik 1 3 SCST603014 Rancangan Percobaan 1 2 17 11 6 6 Pilihan Bidang Murni SCST603101 Statistika Bayesian 3 SCST603104 Proses Stokastik 2 3 SCST604106 Analisis Data Kategorik 3 SCST603102 Teori Keputusan 3 SCST603103 Metode Peramalan Statistika 3 SCST604107 Model LinearUmum 3 SCST603911 Topik Khusus 1 3 SCST603105 Teori Probabilitas 2 SCST604913 Topik Khusus 3 3 SCST603912 Topik Khusus 2 3 Pilihan Bidang Aktuaria SCST603202 Teori Mikro Ekonomi 3 SCST603203 Matematika Aktuaria 2 3 SCST604206 Ekonometrika 3 SCST603201 Analisis Survival 3 SCST603204 Model Kerugian 2 3 SCST604923 Topik Khusus 3 3 SCST603921 Topik khusus 1 3 SCST603205 Teori Makro Ekonomi 3 SCST603922 Topik Khusus 2 3 Pilihan Bidang Terapan SCST603304 Statistika Pengendalian Mutu 3 SCST603308 Statistika Spasial 3 SCST604309 Praktek Kerja Lapangan 2 SCST603301 Kewirausahaan 2 SCST603305 Analisis Data Kuantitatif 3 SCST604933 Topik Khusus 3 3 SCST603302 Metode Survei 3 SCST603306 Data Mining 3 SCST603303 Statistika Genom 3 SCST603307 Psikometrika 3 SCST603931 Topik khusus 1 3 SCST603932 Topik Khusus 2 3

35

Gambar 2 Jejaring Mata Kuliah

36

Tabel 17 Silabus Mata Kuliah Program Studi S1 Statistika

No. NAMA KULIAH SKS TUJUAN SILABUS PUSTAKA

1 Metode Statistika 2 Mahasiswa mampu menjelaskan konsep-konsep dasar statistika dan penggunaannya

Probabilitas, Probabilitas Bersyarat; Variabel Acak dan Distribusi Probabilitas; Pengenalan Distribusi: Distribusi ProbabilitasVariabel Acak Diskrit (Distribusi Binomial, Distribusi Poisson, Distribusi Hipergeometrik), Distribusi Probabilitas Variabel Acak Kontinu (Distribusi Normal), Distribusi Sampling, Dalil Limit Pusat, Distribusi Chi Kuadrat, Distribusi t, Distribusi F; Inferensi statistik: Penaksiran Interval dan Pengujian Hipotesis untuk satu populasi dan dua populasi.

R. E. Walpole, R. H. Myers, S.L. Myers & K.Ye. Probability & Statistics for Engineers and Scientists, 7th ed, 2002, Prentice Hall International Edition. J. T. Mc Clave & F. H. Dietruch., Statistics, 9th ed., 2003, Prentice Hall R. A. Johnson, & G. K. Bhattacharyya, Statistics: Principles and Methods, 3rd ed., 1996, John Willey & Sons

2 Metode Statistika

Lanjut 2 Mahasiswa mampu menjelaskan konsep-konsep

dasar inferensi statistika dan penggunaannya

Uji Chi Kuadrat: Uji Independensi, Uji Homogenitas, Uji Kecocokan; Regresi Linier Sederhana; Analisis Variansi Satu Arah.

R. E. Walpole, R. H. Myers, S.L. Myers & K.Ye. Probability & Statistics for Engineers and Scientists, 7th ed, 2002, Prentice Hall International Edition. J. T. Mc Clave & F. H. Dietruch., Statistics, 9th ed., 2003, Prentice Hall R. A. Johnson, & G. K. Bhattacharyya, Statistics: Principles and Methods, 3rd ed., 1996, John Willey & Sons

3 Algoritma & Perangkat Lunak Statistika

2 Mahasiswa dapat menggunakan beberapa software statistika seperti R, SPSS, Minitab, Eviews, Mathematica sebagai penunjang untuk menyelesai-kan masalah-masalah riil yang berkaitan dengan statistika.

Pengenalan fasilitas software (R, SPSS, Minitab, Eviews, Mathematica), manajemen data (entry data, import, export dan transformasi data), statistika deskriptif (ukuran pemusatan dan penyebaran data, grafik), inferensi statistika dasar (interval kepercayaan, uji hipotesis mean, proporsi, dan variansi, uji chi square), simulasi Monte Carlo.

Peter Dalgaard, Introductory Statistics with R, 2004, Springer

Andy Field, Discovering Statistics Using SPSS (Introducing Statistical Method), 3rd ed, 2009, SAGE Publication Ltd.

Barbara F. Ryan, Brian L. Joiner, Jonathan D. Cryer, MINITAB Handbook: Update for Release 16, 6th ed, 2012, Brooks Cole

William E. Griffiths, R. Carter Hill, Guay C. Lim, Using EViews for Principles of Econometrics, 4th ed, 2011, Wiley.

Paul R. Wellin, Programming with Mathematica: An Introduction, 4th revised ed, 2013, Cambridge University Press.

4 Analisis Real 4 Mahasiswa mampu menjelaskan konsep analisis yang lebih menekankan ‘kenapa’ dan ‘bagaimana jika’ dari pada sekedar memakai prosedur pemecahan masalah. Pada kuliah ini konsep analisis akan dituangkan pada Sistem Bilangan Real, Barisan dan Konvergensi, Limit sebuah Fungsi, dan kontinuitas sebuah fungsi, serta konsep turunan dan integral.

Sistem bilangan real: sifat aljabar, keterurutan, kelengkapan, supremum dan infimum beserta aplikasinya, Barisan, Pengenalan deret, Limit fungsi, Fungsi kontinu, Keterturunan, dan Integral Riemann.

Robert G. Bartle & Donald R. Sherbert, Introduction to Real Analysis, 3rd ed., 2000, John Wiley & Sons, Inc.

R.P. Burn, Numbers and Functions Steps into Analysis, 2nd ed.,2004, Cambridge University Press.

http://www.amazon.com/Discovering-Statistics-Introducing-Statistical-Method/dp/1847879071/ref=sr_1_1?s=books&ie=UTF8&qid=1358825514&sr=1-1&keywords=spss�

http://www.amazon.com/Discovering-Statistics-Introducing-Statistical-Method/dp/1847879071/ref=sr_1_1?s=books&ie=UTF8&qid=1358825514&sr=1-1&keywords=spss�

http://www.amazon.com/s/ref=ntt_athr_dp_sr_1?_encoding=UTF8&field-author=Barbara%20F.%20Ryan&ie=UTF8&search-alias=books&sort=relevancerank�

http://www.amazon.com/s/ref=ntt_athr_dp_sr_2?_encoding=UTF8&field-author=Brian%20L.%20Joiner&ie=UTF8&search-alias=books&sort=relevancerank�

http://www.amazon.com/s/ref=ntt_athr_dp_sr_3?_encoding=UTF8&field-author=Jonathan%20D.%20Cryer&ie=UTF8&search-alias=books&sort=relevancerank�

http://www.amazon.com/William-E.-Griffiths/e/B008N0SITY�

http://www.amazon.com/s/ref=ntt_athr_dp_sr_2?_encoding=UTF8&field-author=R.%20Carter%20Hill&ie=UTF8&search-alias=books&sort=relevancerank�

http://www.amazon.com/s/ref=ntt_athr_dp_sr_3?_encoding=UTF8&field-author=Guay%20C.%20Lim&ie=UTF8&search-alias=books&sort=relevancerank�

http://www.amazon.com/Paul-R.-Wellin/e/B001H6WRCK�

37


5 Teori Matriks Statistika

3 Mahasiswa mampu mengenali suatu persamaan fungsi yang dapat dieks-presikan dalam bentuk matriks. Mahasiswa dapat membentuk turunan vektor atau matriks dari fungsi beserta turunan tingkat tinggi dan turunan parsial.

Pada kuliah ini dibahas partisi matriks disertai dengan operasi perkalian, penjumlahan dan transpose. Rank dan invers dari partisi matriks. Determinan, Invers yang diperumum. Dekomposisi bentuk matriks kuadrat dan Cholesky. Linier, bilinear. Mahasiswa dapat membentuk turunan vektor atau matriks dari fungsi beserta turunan tingkat tinggi dan turunan parsial. Matriks, sub matriks dan matriks partisi, Sifat-sifat operasi , trace pada matriks, partisi , Rank, determinan dan invers pada matriks partisi, Generalized Inverses (Invers yang diperumum), Sistem Linier pada Generalized Inverses matriks (matriks yang diperumum), Linier, Bilinier dan Quadratic Form pada matriks partisi, Turunan vektor atau matriks dari fungsi beserta sifat-sifatnya, Turunan orde dua dan turunan parsial dari matriks invers, Turunan dari Generalized Inverses, Kronecker Product dan operasinya.

D. A. Harville, Matrix Algebra from Statistician’s Perspective, 2000, Springer-Verlag, New York.

6 Pengantar Teori Probabilitas

2 Mahasiswa mampu memahami konsep-konsep probabilitas secara mendalam, dalam kaitannya dengan pendekatan teori ukur.

Aljabar dan Aljabar Sigma,Ukuran Probabilitas (Probability Measure) pada suatu Sigma Aljabar dan Sifat-sifatnya,Variabel Random dan Vektor Random serta sifat-sifatnya, Fungsi Distribusi dari Variabel Random dan Vektor Random, Fungsi dari Variabel Random, Ekspektasi dari Variabel Random.

Athreya, K. B. and Lahiri, S. N. (2006). Measure Theory and Probability Theory. Springer. H. Körezlioğlu and A. Bastıyalı Hayfavi : Elements of Probability Theory, METU Press, 2001. Durrett, R. A. (1996). Probability: Theory and Examples. Duxburry Press.

7 Teori Probabilitas 2 Mahasiswa mampu memahami konsep-konsep probabilitas secara mendalam, dalam kaitannya dengan pendekatan teori ukur.

Ruang Lp, Momen dan Fungsi Pembangkit Momen, Fungsi Karakteristik, Probabilitas Bersyarat, Sifat-sifat dari Ekspektasi Bersyarat, Vektor-vektor Gaussian.

Athreya, K. B. and Lahiri, S. N. (2006). Measure Theory and Probability Theory. Springer. A. N. Shiryaev: Probability, Springer-Verlag, 1995.

8 Teknik Sampling 3 Mahasiswa mampu menjelaskan beberapa cara pengambilan sampel, konsep penaksiran parameter untuk masing-masing teknik pengambilan sampel dan dapat memilih teknik pengambilan sampel yang tepat di lapangan

Pendahuluan; Sampling Acak sederhana; Sampling sistematik; Sampling Stratifikasi; Sampling dengan probabilitas sebanding dengan ukuran sampel; Sampling kelompok; Sampling kelompok bertingkat; taksiran ratio dan taksiran regresi.

Cochran, W, Sampling Technique,3rd ed., 1977, John Wiley. R. L. Scheffer, W. Mendenhal, & et. al, Elementary Survey Sampling, 5th ed., 1995, PWS-Kent, Publ.Co. Michael Borenstein, Hannah Rothstein, Jacob Cohen, Sample Power2.0, 2001, SPSS Inc – USA.

9 Analisis Multivariat 1 3 Mahasiswa mampu menjelaskan konsep-konsep dasar dalam analisis multivariate dan mampu menentukan model (analisis) yang sesuai dengan data.

Pengenalan Materi dan prinsip dasar aljabar matriks dalam analisis multivariate: fungsi dari analisis multivariat dalam suatu kondisi di lapangan, prinsip dasar analisis univariat dan analisis multivariat, perbedaan metode dependensi dan independensi, analisis data menggunakan analisis multivariate. Karakter dan penyajian data multivariat, Distribusi Multivariat Normal: Multivariate Normal Density Function, Sifat-sifat Variabel Acak Multivariat Normal, Estimasi dalam Multivariat Normal, mencocokkan Multivariat Normal, Outlier (Pencilan), Pengujian Satu atau Dua Mean Vektor, Multivariat Analisis Variansi (Manova).

A.C. Rencher, Methods of Multivariate Analysis, 2nd ed., 2002, Wiley Series in Probability & Statistics, Canada. S. Sharma, Applied Multivariate Techniques, 1996, John Wiley & Sons, New York.

10 Analisis Multivariat 2

3 Memperkenalkan mahasiswa dengan analisis multivariate lanjutan sehingga mampu mengenali (mendeteksi) suatu permasalahan dunia nyata

Analisis Korelasi Kanonik: Korelasi & Variat kanonik, pendekatan geometr & analitis untuk korelasi kanonic, Test of significance, Hubungan analisis korelasi kanonic dengan teknik

A.C. Rencher, Methods of Multivariate Analysis, 2nd ed., 2002, Wiley Series in Probability & Statistics, Canada.

38


yang dapat dimodelkan dan dianalisis menggunakan analisis multivariate.

Multivariate lainnya. Analisis Komponen Utama (PCA): dasar geometri & Aljabar dari Komponen Utama, analisis komponen utama, plot Komponen Utama, interpresi dari PCA. Analisis Faktor, Analisis Cluster: ukuran similaritas or disimilaritas, Cluster Hierarki vs Cluster Nonhierarki, pemilihan variabel dalam pengelompokan. Analisis regresi multivariate: Regresi Ganda Univariat, pendugaan regresi ganda multivariat, pengujian hipotesis regresi ganda multivariat. Prosedur grafik: Multidimensional Scaling (MDS), Analisis korespondensi, Biplots, dan Analisis Diskriminan.

S. Sharma, Applied Multivariate Techniques, 1996, John Wiley & Sons, New York.

11 Proses Stokastik 1

3 Mahasiswa mampu menjelaskan konsep dasar dari proses stokastik dan mampu menggunakannya untuk mengembangkan dan menganalisa model probabilitas yang menangkap fitur menonjol dari sebuah sistem sehingga dapat diprediksi efek jangka panjang dan jangka pendek dari keacakan/randomness dalam sistem tersebut.

Pendahuluan; Variabel Acak, Variabel Acak Diskrit dan Kontinu, Ekpektasi Variabel Acak, Peluang Bersyarat dan Ekpektasi Bersyarat Rantai Markov: Pendahuluan, Persamaan Chapman-Kolmogorov, Klasifikasi Keadaan, Limiting Probabilities, Beberapa aplikasi rantai Markov, Mean time Spent in Transient States, Branching Process, Time Reversible Markov Chain, Distribusi Eksponensial dan Proses Poisson: Pendahuluan, Distribusi Eksponensial, Proses Poisson, Generalisasi Proses Poisson Rantai Markov Waktu Kontinu: Pendahuluan Rantai Markov Waktu Kontinu, Proses Kelahiran dan Kematian, Fungsi Peluang Transisi, Limiting Probabilities, Time Reversibility, Uniformization

Sheldon M.Ross, W. Introduction to Probability Models, 10th Edition, 2010, Academic Press.

H.M. Taylor & S. Karlin, An introduction to Stochastic Modelling, 3rd ed., 1998, Academic Press.

12 Proses Stokastik 2 3 Mata kuliah ini adalah lanjutan dari proses stokastik I dan bertujuan untukmempela-jari model probabilitas dan melibatkan berbagai teori yang seimbang dengan aplikasinya.

Teori Pembaharuan (Renewal Theory) dan Aplikasinya : Pendahuluan Teori Pembaharuan, Distribusi dari N(t), Teorema Limit dan Aplikasinya, Reneal Reward Process, Regenerative Process, Semi Markov Process, The Inspection Paradox, Computing the Renewal Function, Application to Patterns. Brownian Motion dan Proses Stasioner: Brownian Motion, Hitting Times, Maximum Variable, and The Gambler’s Ruin problem, Various on Brownian Motion, Pricing Stock Options, White Noise andGaussian Process, Stationary and Weakly Stationary Process Stochastics Simulation: The simulation Procedure, Multiplicative Congruential Random Number Generators, The Inversion Methods for Generating Simulated Outputs from Continuous Disributions, The Table Look-Up Methods for Discrete Probability Distributions, The Polar Method for Generating Simulated Normal Distribution Values, Sample Size and Precision.

Sheldon M.Ross, W. Introduction to Probability Models, 10th Edition, 2010, Academic Press.

Robin Cunningham, FSA dkk, Models for Quantifying Risk, 2nd Edition, 2006, Actex Publication, Inc. Winsted Connecticut

13 Analisis Regresi 1 3 Mahasiswa memahami pembentukan model regresi linier dan dapat menggunakannya dengan baik dan benar dalam permasalahan nyata.

Pendahuluan Regresi Linier Sederhana, Asumi-asumsi dalam pemodelan, Analisis Regresi Linier Sederhana, Analisis Regresi Linier Berganda, Pembentukan Model: Variabel independent kuantitatif dan kualitatif, First Order Model, Second Order Model, Some Regression Pitfalls.

W. Mendenhall & T. Sincich, A Second Course in Statistics: Reghression Analysis, 1996, Prentice Hall Inc., New Jersey.

39


14 Analisis Regresi 2 3 Mahasiswa memahami berbagai metode pemodelan linier dan dapat menggunakan-nya dengan baik dan benar dalam permasalahan nyata.

Masalah Multikolinearitas; Transformasi Data; Analisis Residual: Heteroskedastisitas, Ketidaknormalan, Outlier, Autokolinearitas; Regresi linier piecewise, weighted leastsquare; Regresi logistic sederhana dan ganda: interpretasi koefisien, odds ratio, pengujian model, estimasi, seleksi variable; table kontingensi, pemodelan log linier; aplikasi pada permasalahan nyata, interpretasi.

W. Mendenhall & T. Sincich, A Second Course in Statistics: Reghression Analysis, 1996, Prentice Hall Inc., New Jersey.

15 Rancangan Percobaan 1

3 Mahasiswa memahami konsep model matematika dan pemisalan-pemisalan dasar ANOVA dan penerapannya pada data.

Peninjauan konsep-konsep statistika yang diperlukan (sampel acak, dll), Model matematika dan pemisalan-pemisalan dasar, Taksiran kuadrat terkecil; persamaan-persamaan normal, Fungsi estimable, Teorema Gauss-Markov, Bentuk kanonik pemisalan dasar, Konstruksi elipsoida kepercayaan, Statistik uji F. Metode contrast Scheffe dan Tukey.

Hardeo Sahai and Mohamed I. Ageel, The Analysis of Variance: Fixed, Random and Mixed Models, 2000, Birkhauser.

Scheffe, The Analysis of Variance, John Wiley & Sons, Inc., New Jersey, 1959.

C.W. Donald, H.S. John, A First Course in the Design of Experiments: A Linear Models Approach, 2000, Weber, New York.

16 Runtun Waktu 3 Mahasiswa mampu menjelaskan konsep dasar teori runtun waktu dan membentuk model berdasarkan data runtun waktu.

Pendahuluan, Konsep dasar runtun waktu; Kestasioneran; Fungsi Autokorelasi, Model untuk Runtun Stasioner (ARIMA Model), Model untuk Runtun Non Stasioner, Spesifikasi Model, Estimasi Parameter Model, Diagnostik Model, Peramalan, Model Musiman (SARIMA Model).

J.D. Cryer, et.al. Time Series Analysis with Applications in R, 2008, Springer Texts in Statistics.

Box, G. et G. Jenkins, Time Series Analysis: Forecasting and Control, 1970, Holden-Day.

17 Statistika

Nonparametrik 3 Mahasiswa dapat memilih Uji Statistik

Nonparametrik yang tepat untuk setiap data yang dihadapi

Pendahuluan: Statistika deskriptif, inferensial dan beberapa pengertian yang digunakan dalam statistika nonparametric, Uji Binomial & CI, Uji kuantil dan CI, Uji ChiSquare, Kolmogorov dan Cox Stuart, Mc Nemar, Sign Test, Wilcoxon test, Randomization, Mann-Whitney & CI, Smirnov, Squared Rank Test dan quiz, Uji Klottz, Smirnov, Cramer von Mises, Uji Kruskal Wallis dan tabel kontingensi r x s, Uji Koefisien korelasi Kendall Tau, Uji Quade dan Friedman, Regresi Nonparametrik, Regresi monotonik. Review statistika nonparametrik dan membahas jounal yang berkaitan dengan statistika nonparametric.

Conover, W.J., 1980, Practical Nonparametric Statistics 2 ed., John Wiley Sons, New York

18 Statistika Bayesian 3 Mata kuliah ini menjelaskan tentang konsep inferensi statistika berdasarkan metode Bayesian

Pendahuluan, Inferensi Bayesian untuk Variabel Random Diskrit, Inferensi Bayesian untuk Proporsi Binomial, Comparing Bayesian and Frequentist Inference for Proportion, Inferensi Bayesian untuk Selisih Dua Mean, Inferensi Bayesian untuk Regresi Linear Sederhana.

William M.Bolstad, Introduction to Bayesian Statistics, 2nd Edition, 2007, John Wiley & Sons

19 Analisis Data Kategorik

3 Mahasiswa mampu menjelaskan konsep-konsep dan teknik pemodelan data kategorik serta penerapannya pada masalah-masalah real.

Pada mata kuliah ini akan dipelajari metode – metode untuk menganalisis data kategorik, berdasarkan perspektif maksimum likelihood (frequentist). Topik pokok yang dibahas adalah statistika descriptive dan inferensi untuk table kontingensi dua arah dan tiga arah, generalized linear models untuk response yang diskrit, binary regression models (dengan penekanan pada regresi logistic), multi-category logit models untuk respons yang nominal dan ordinal, model loglinier untuk table kontingensi,

A. Agresti Categorical Data Analysis, 2nd edition, 2002, Wiley.

Laura A. Thompson, S-PLUS (and R) Manual to Accompany Agresti’s Categorical Data Analysis (2002), 2nd edition, 2006.

40


dan matched pairs. 20 Model Linier Umum 3 Memperkenalkan kepada mahasiswa tentang

bentuk umum dari persamaan linier dan bagaimana menganalisis data dengan berbagai jenis variable dependen.

Pada Generalized linear models (GLMs) akan dipelajari kerangka pemersatu dari regresi. Contoh dari GLM meliputi regresi linear, model log-linear, dan regresi logistik. GLMs dapat digunakan untuk memodelkan data kontinu, biner, ordinal, nominal, dan count data. Kuliah ini meliputi parameterisasi model, estimasi parametrik dan semiparametrik, inferensi, dan interpretasi model.

G.A. Seber and A.J. Lee, Linear Regression Analysis (2nd Ed), 2003, John Wiley & Sons.

P. McCullagh and J.A. Nelder, Generalized Linear Models (2nd Ed), 1989, Chapman & Hall.

21 Teori Keputusan Statistika

3 Mahasiswa dapat mengerti tentang teori pengambilan keputusan pada beberapa kondisi dan dengan beberapa metode.

Pendahuluan :Nomative & Descriptive decision theory,Rational & right decision, Risk, Ignorance,Certainty, Certainty Trees, Decision Matrix; Decision under ignorance: Maximax Rule, Minimax Regret Rule, Optimist-Pessimist Rule; Decision under risk: Maximum Expected Value, Bayesian Decision Theory; Utility Theory: Interval utility score, Monetary values vs utility, Von Neumann-Morgenstern Utility Theory, Criticism of Utility Theory; Causal Decision Theory; Scoring rules; Value of information.

Michael D. Resnik, Choices, An Introduction to Decision Theory, 1987, University of Minnesota Press, London

22 Statistika Pengendalian Mutu

3 Mahasiswa mampu menjelaskan dan menggunakan teori statistika pada persoalan pengendalian mutu

Konsep dasar; Bagan kendali untuk variabel (bagan dan R; bagan dan S); Bagan kendali untuk bagian yang ditolak; Bagan kendali untuk ketidak sesuaian; Bagan kendali untuk ketidaksesuaian per unit; Rational Subgrouping; Batas Probabilitas untuk bagan kendali dan R; Batas probabilitas untuk bagan kendali untuk ketidaksesuaian dan untuk bagan kendali untuk ketidaksesuaian per unit; Analisis dari kapabilitas proses; Analisis pareto; Diagram sebab-akibat; Bagan kendali untuk rata-rata bergerak; Bagan kendali dengan trend linier; Cumulative Sum Control Chart.

E. L. Grant & R. S. Leavenmorth., Statistical Quality Control; 7th ed, 1999, McGraw-Hill, New York.

Douglas C. Montgomery, Introduction to Statistical Quality Control , 4th ed., 2002, John Wiley & Sons, New York.

23 Rancangan Percobaan 2

3 Mahasiswa dapat menentukan model rancangan percobaan yang sesuai dengan permasalahan yang dihadapi dan mampu menganalisis data yang diperoleh.

Prinsip dasar rancangan, Analisis Variansi, Rancangan Acak Sempurna, Rancangan Blok Acak Lengkap, Rancangan Blok Acak Tak Lengkap Seimbang, Rancangan Bujur Sangkar Latin, Graeco Latin Square, Rancangan Faktorial, Rancangan Faktorial 2k, Bloking dan Counfounding dalam Faktorial 2k, Rancangan Fraksional Faktorial, Aturan EMS, Rancangan Nested dan Split Plot.

Douglas C. Montgomery, Design and Analysis Experiments, 5th ed.,2001, John Wiley & Sons, New York.

William G. Cochran & Gertrude M. Cox., Experimental Designs, 2nd ed., 1992, John Wiley & Sons.

24 Analisis Survival 3 Memperkenalkan mahasiswa dengan teknik-

teknik analisis statistik untuk data waktu hingga peristiwa tertentu terjadi (time to event data). Mahasiswa mampu menjelaskan dengan benar cara memperlakukan time to event data untuk kepentingan analisis serta permodelan, dan mampu melakukan berbagai tehnik analisis statistik baik pada data-data survival time yang tersensor (censored) maupun yang terpancung (truncated)

Kuantitas-kuantitas dasar pada analisa survival: Pendahuluan: contoh - contoh kasus dan tipe data pada survival analysis, Fungsi survival, Fungsi hazard, Fungsi mean residual life dan median life, Model - model parametrik untuk data survival; Pemancungan dan Penyensoran: Pendahuluan, Penyensoran kanan, Penyensoran kiri atau interval, Pemancungan, Konstruksi likelihood untuk data terpancung dan tersensor; Penaksiran nonparametrik pada data tersensor kanan dan terpancung kiri: Pendahuluan, Pendugaan untuk fungsi survival dan hazard kumulatif untuk data tersensor kanan, Pointwise confidence interval untuk fungsi survival, Confidence band untuk fungsi survival, Point and interval estimation untuk mean dan median survival time, Estimator untuk fungsi survival

J. P. Klein, & M. L. Moeschberger, Survival Analysis: Techniques for Censored and Truncated Data, 1997, New York: Springer-Verlag Inc.

D. London, Survival Models and their simulation, 1998, Actex Publications.

M. Gauger, Course 3 Student Manual (Vol.1), 2000, Actex Publications.

41


untuk data terpancung kiri dan tersensor kanan; Uji hipotesis: Pendahuluan, Uji satu sample, Uji dua sample atau lebih, Uji trend; Regresi hazard proporsional semiparametrik dengan kovariate tetap: Pendahuluan, Likeli-hood parsial untuk data time to event distinct, Likelihood parsial jika ada ties, Uji lokal dan uji global.

25 Statistika Spatial 3 Mahasiswa mampu menjelaskan apa yang dimaksud dengan data spasial, fungsi kovariansi spasial, model –model semivariogram, bagaimana menghitung semivariogram eksperimental dan menentukan model semivariogram yang cocok dengan data, serta mampu memodelkan data spatial secara tepat untuk memecahkan masalah –masalah yang terkait dengan data spatial.

Pendahuluan tentang Data Spasial, Proses Spasial, Fungsi Kovariansi, Model-model Semivariogram, Semivariogram Eksperimental, Model Linier Umum, Interpolasi dan Prediksi Spatial, Metode Kriging: Simple Kriging, Ordinary Kriging, Universal Kriging dan Multivariat Kriging (CoKriging).

N. A. C. Cressie Statistics for Spatial Data (1993), John Wiley & Sons.

O. Schabenberger and C. A Gotway. Statistical Methods for Spatial Data Analysis(2005), Chapman & Hall.

W. N. Venables and B. D. Ripley Modern Applied Statistics with S. Fourth Edition (2002), Springer.

Isaaks, E.H. and Srivastava, R.M. (1989), An Introduction to Applied Geostatistics,Oxford Univ. Press.

26 Metode Survei 3 Mahasiswa mampu menjelaskan apa yang dimaksud dengan suatu survei, alasan mengapa dilakukan survei, macam-macam survei, bagaimana merancang alat ukur untuk survei, bagaimana merancang dan melaksanakan suatu survei serta mampu melakukan survei dengan metode yang benar.

Pendahuluan: alasan melakukan survei dan komponen-komponen dalam survei; Error dalam survei, Complex sampling : menentukan metode sampling yang tepat, sample frame, unit sampel, ukuran sampel, alokasi sampel; Menangani non-response dalam survei; Metode pengumpulan data, Merancang kuesioner; Mempersiapkan data untuk analisis; Kode etik dalam survei; Menentukan Survei Error; Merancang Quick Count.

John W. Creswell, Research Design, 3 ed, 2009, Sage Publication Inc

Jr. Floyd J. Fowler, Survey Research Method, 4ed, 2009, Sage Publication Inc

Louis M. Rea, Designing and Conducting Survey Research, 3 ed, 2005, John Wiley & Sons, Inc, USA

27 Metode Peramalan Statistika

3 Mahasiswa mampu menjelaskan berbagai metode peramalan statistika yang berlaku di berbagai bidang bisnis, seperti smoothing eksponensial, dekomposisi musiman, dan lainnya. Penekanannya untuk menerapkan metode ini pada data real menggunakan paket fitur lengkap seperti paket spreadsheet (Excel).

The Forecasting Perspective: Why Forecast, Overview of Forecasting Technique, Basic Step in a Forecasting Task. Basic Forecasting Tools: Time Series and Cross Sectional Data, Graphical Summaries, Numerical Summaries, Measuring Forecast Accuracy, Prediction Intervals, Least Square Estimates, Transformation and Adjustments. Time Series Decomposition: Principles of Decomposition, Moving Averages, Local Regression Smoothing, Classical Decomposition, Census Bureau Methods, STL Decomposition, Forecasting Decomposition. Exponential Smoothing Methods: The forecasting scenario, Averaging Methods, Exponential Smoothing Methods, A Comparison of Methods, General Aspects of Smoothing Methods. Application.

Steven C. Wheelwright dkk, Forecasting: Methods and Applications, 3rd edition 2008, Wiley.

Stephen A. Delurgio, Richard D Irwin, Forecasting Principles and Applications, 1st edition 1998.

28 Psikometrika 3 Mahasiswa mengerti tentang arti pengukuran, alat pengukuran, model pengukuran dan dapat membuat alat ukur (khususnya di bidang psikologi) dengan baik dan akurat.

Pengukuran, alat-alat pengukuran, construct, bagaimana mengukur suatu construct; Classical Test Theory, Model pengukuran berdasarkan Classical Test Theory, Reliabilitas dan taksirannya, Validitas dan taksirannya, Item Response Theory

Charles L. Hulin, Fritz Drasgow, Charles K.Parsons, Item Response Theory, 1983, Dow Jones-Irwin, USA.

Susan E,Embretson, Steven P.Reise, Item Response Theory for Psychologists, 2000, Lawrence Erlbaum Associates Publisher.

Tenko Reykov and George A. Marcoulides, Introduction to Psychometric Theory, 2011, Taylor & Francis Group, LLC.

29 Ekonometrika 3 Mahasiswa mampu menggunakan metode-metode ekonometrika untuk menyelesaikan masalah-masalah ekonomi, bisnis dan keuangan.

Model regresi linier dan permasalahannya, estimasi model non linier dan MLE, distributed lag model, Granger causality, model persamaan simultan, model panel data, dan model time series,

Robert S. Pindyck & Daniel L. Rubinfeld,Econometric Models and Economic Forecast, 4th ed, 2000, Mcgraw Hill Higher

42


penerapan ekonometri dengan menggunakan perangkat lunak statistikauntuk menyelesaikan masalah-masalah ekonomi, bisnis, dan keuangan.

Education Fumio Hayashi, Econometrics, 2000, Princeton

University Press Nachrowi D. N & Hardius Usman, Pendekatan

Populer dan Praktis Ekonometrika untuk Analisis Ekonomi dan Keuangan, 2006, Lembaga Penerbit FE Universitas Indonesia

Nachrowi D. N & Hardius Usman, Penggunaan Teknik Ekonometrika, 2002, Rajawali Pers

30 Teori Statistika Kesehatan

3 Pada kuliah ini akan dikenalkan beberapa konsep dasar statistika dan pentingnya berfikir secara statistika, sehingga mahasiswa dapat mengapresiasi tulisan ilmiah mengenai uji-uji diagnostic baru, treatment dan prognosis, sehingga mampu memahami bukti klinis yang relevan terkait dengan pengambilan suatu keputusan medis.

Konsep populasi dan sample, random sampling, randomisasi, Statistika descriptive, Pengujian hipotesis, Meta analysis, Analisis survival : kuantitas dasar, estimasi Kaplan-Meier, Regresi Cox-PH, Regresi Cox Stratifikasi, Regresi Cox yang diperluas.

Kleinbaum, D.G., M. Klein. Survival Analysis: a self-learning text, 2nd ed. Springer. 2005

David Collet. Modelling Survival Data in Medical Research., 2nd ed. Chapman & Hall/CRC. 2003

31 Analisis Data Kuantitatif

3 Mahasiswa dapat mempersiapkan data untuk analisis, mengerti metode-metode statistika dan masing-masing kegunaan-nya. Menganalisis data dengan metode yang tepat dan menyimpulkan hasil analisis data untuk menjawab tujuan penelitian.

Memeriksa reliabilitas dan validitas alat ukur. Mempersiapkan data untuk analisis. Mengubah data kontinu menjadi data katagorik. Menganalisis data berdasarkan deskripsi data. Menganalisis data berdasarkan metode-metode statistika dasar yang tepat. Menganalisis data dengan metode SEM. Memilih metode yang tepat untuk menganalisis data lapangan dan meng-komunikasikan hasil analisis data yang didapat.

Donald J.Treiman, Quantitative Data Analysis, 2009, John Wiley & Sons.

Victoria Bernhardt, Data Analysis, 2 ed, 2004, Eye on Education, Inc.

Peck Olsen Devore, Introduction to Statistics and Data Analysis, 2001, Duxbury, USA.

32 Matematika Aktuaria 1

3 Memperkenalkan mahasiswa dengan berbagai perangkat matematika yang digunakan untuk memodelkan dampak finansial dari suatu kontrak antar agen-agen ekonomi, sebagai akibat dari suatu ketidakpastian di masa depan. Mahasiswa diharapkan mampu menjelaskan dengan baik konsep dasar matematika asuransi jiwa, dan pendekatan aktuaria dalam menaksir tarif dari berbagai kontrak keuangan yang menimbulkan klaim finansial tertentu di masa depan (contingent financial claim)

Teori bunga dan probabilitas, Peubah acak untuk usia kegagalan; contoh dari model survival parametrik; peubah acak untuk waktu kegagalan; central rate; model survival pilihan. Definisi tabel usia; bentuk tradisional dari tabel usia; penurunan fungsi dari jumlah hidup; metode untuk usia non-integral; tabel usia pilihan; ringkasan tabel usia. Model stokhastik diskrit; pendekatan deterministik grup; model stokhastik kontinu; model pembayaran tertentu di masa depan dengan pembayaran yang beragam. Model anuitas seumur hidup; model anuitas sementara; model anuitas seumur hidup tertunda; anuitas tertentu di masa depan yang dibayarkan lebih dari satu kali dalam setahun. Skema pendanaan tahunan untuk model pembayaran tertentu di masa depan; analisa peubah acak; skema pendanaan pembayaran kontinu.

R. Cunningham, T. Herzog, R. London. Model for Quantifying Risk 3rd Edition. ACTEX Academic Series, 2008.

33 Matematika Aktuaria 2

3 Mata kuliah ini merupakan lanjutan dari Matematika Aktuaria I. Dalam mata kuliah ini akan diperkenalkan berbagai perangkat matematika yang digunakan untuk memodelkan dampak finansial dari suatu kontrak antar agen-agen ekonomi, sebagai akibat dari suatu ketidakpastian di masa depan. Mahasiswa diharapkan mampu menjelaskan dengan baik konsep dasar matematika asuransi jiwa, dan

Benefit Premiums; Benefit Reserves, Analysis of Benefit Reserves, Special Topics.

N. L Bowers, H. U Gerber, J. C Hickman, D. A Jones, C. J Nesbit, Actuarial Mathematics, 1997, Society of Actuaries, Istaca, Illinois.

H. U. Gerber, Life Insurance Mathematics, 3rd ed, New York: Springer-Verlag, Inc.

M. Gauger, Course 3 Student Annual (Vol. I), 2000, Actex Publications

43


pendekatan aktuaria dalam menaksir tarif dari berbagai kontrak keuangan yang menimbulkan klaim finansial tertentu di masa depan (contingent financial claim)

34 Model Kerugian 1 3 Kuliah ini mencakup pembahasan mengenai kelas – kelas distribusi loss; yang meliputi kelas distribusi diskrit dan kontinu. Akan dipelajari karakteristik distribusi, konstruksi distribusi yang baru, penaksiran parameter dan pemodelan masalah dengan menggunakan distribusi – distribusi tersebut.

Modeling; Beberapa ukuran dasar distribusi: momen, kuantil, fungsi pembangkit dan jumlah dari variable random; tail distributions, ukuran resiko dan penggunaannya (VaR dan TVaR); Model – model aktuaria: karakteristik model-model aktuaria, model – model kontinu, beberapa distribusi khusus dan keteraitannya, Linear exponential family distribution, TVaR untuk distribusi yang kontinu, Extreme value distributions; Kelas distribusi diskrit : Distribusi Poisson, negative binomial, binomial, kelas (a,b,0), kelas (a,b,1), Truncation and modification at zero, Compound frequency model, Mixed frequency distributions, TVaR untuk distribusi diskret; Frequency and severity with coverage modifications: Deductibles, Loss Elimination Ratio dan efek inflasi untuk ordinary deductibles, Policy limits, Coinsurance, deductibles, dan limits, Efek dari deductible terhadap frekuensi klaim, Estimasi Parameter, Metode momen dan percentile matching, MLE, Variansi dan estimasi interval, Estimasi Bayesian, Estimasi untuk distribusi diskrit, Analisis data eksploratori.

Loss Models: From Data to Decisions, by Stuart A. Klugman, Harry H. Panjer and Gordon E. Wilmot, 3rd edition. John Wiley and Sons, 2008.

S.A. Klugman, H.H. Panjer and G.E. Wilmot, Loss Models: From Data to Decisions, by Stuart A, 3rd ed. John Wiley and Sons, 2008.

35 Model Kerugian 2 3 Kuliah ini mencakup pembahasan mengenai pemodelan lebih lanjut pada data kerugian; seleksi model,dan kredibilitas. Simulasi juga dilakukan untuk mendapatkan pemahaman yang lebih komprehensif.

Aggregate loss model, Discrete time ruin model, Continuous time ruin model, Konstruksi model secara empiris, Seleksi model, Estimasi dan seleksi model untuk model yang kompleks, Kredibilitas, Simulasi.

Loss Models: From Data to Decisions, by Stuart A. Klugman, Harry H. Panjer and Gordon E. Wilmot, 3rd edition. John Wiley and Sons, 2008.

36 Kewirausahaan 3 Mahasiswa mamiliki bekal untuk mem-buka lapangan usaha/pekerjaan.

Mindset Kewirausahaan - Konsep Dasar Kewirausahaan - Pengertian kewirausahaan dan wirausaha - Wirausaha dan Manajer. Karakteristik dan Motivasi Wirausaha - Karakteristik/sifat Wirausaha - Perilaku Wirausaha - Faktor-faktor motivasi. Usaha Kecil dan Menengah - Pengertian - Kewirausahaan dan Pembangunan Ekonomi - Sektor-sektor Usaha Kecil - Keberhasilan dan Kegagalan - Strategi Pengembangan. A. Karakteristik Aktivitas Bisnis - Sifat Sistem Bisnis - Jenis-jenis Aktivitas Bisnis - Jenis-jenis Organisasi Bisnis - Karakteristik Sistem Bisnis B. Strategi Memulai Bisnis - Peluang Bisnis - Beberapa Pertanyaan Awal - Lima Kunci Sukses. Strategi Mengembangkan Kreativitas dan Inovasi - Arti penting inovasi dan kreativitas - Mengembangkan kreativitas - Proses inovasi. Menghasilkan Ide-Ide Kreatif - Teknik-teknik Menghasilkan Ide-ide Kreatif. Strategi Menyusun Proposal Bisnis - Pengertian proposal Bisnis - Manfaat Proposal Bisnis - Unsur-unsur Proposal - Presentasi - Persiapan presentasi. Strategi Pendanaan Usaha - Sumber-sumber Pendanaan Usaha - Analisis Kelayakan Usaha. Strategi Memilih Bentuk Perusahaan - Identifikasi Bentuk Hukum Bisnis - Bentuk-bentuk Perusahaan di Indonesia - Pertimbangan-pertimbangan Memilih Bentuk

Longenecker, G Justin, moore, Carlos W, Petty William. 2001. Kewirausahaan (Manajemen Usaha Kecil) Jilid I dan II. Jakarta: Salemba Empat.

Meredith, Geffrey G, et. al. 2000. Kewirausahaan (Teori dan Praktek). Jakarta: Ppm

Goldstein, Arnold S Ph.D. Modal Dengkul. Hakim, Rusman. Dengan Wirausaha Menepis Bisnis.

44


Usaha. Perencanaan Strategis Bagi Wirausaha - Tantangan Strategis Wirausaha - Perencanaan Strategis - Beberapa Kesalahan dalam perencanaan strategis. A. Strategi Pengembangan Intrapreneurship - Terminologi - Kebutuhan akan Intrapreneurship - Hambatan-hamabatan - Elemen-elemen spesifik B. Strategi Suksesi manajemen - Pendahuluan - Suksesi Manajemen - Faktor-faktor kunci - Mengembangkan strategi suksesi. Teknik Presentasi - Persiapan dasar - Membuat Isi Presentasi - Memilih dan Mempersiapkan Alat Bantu - Persiapan Akhir - Membina Keberanian - Melakukan Presentasi - Menghadapi Pertanyaan. Presentasi Proposal Bisnis.

37 Teori Mikro Ekonomi 3 Konsep Dasar Ekonomi Mikro, Teori Perilaku Konsumen, Teori Produksi, Biaya Produksi. Struktur Pasar, Keseimbangan firm. Mekanisme pasar dan kebijakan pemerintah..

Mampu Konsep Dasar Ekonomi Mikro, Teori Perilaku Konsumen, Teori Produksi, Biaya Produksi. Struktur Pasar, Keseimbangan firm. Mekanisme pasar dan kebijakan pemerintah.

Sukirno, S. (2006). Mikro Ekonomi. PT Raja Grafindo Persada. Samuelson, P.A dan Nordhous. (2004). Ekonomi Mikro. Rahardja, P& Manurung, M. (1999).Teori Ekonomi Mikro. Lembaga Penerbit Ekonomi UI. Algifari.(2003).Ekonomi Mikro, Teori dan Kasus. STIE YKPN Yogyakarta. Mc Graw-Hill. 2005. Macroeconomics, Theory and Policy.New Delhi:Publishing company limited Ltd Michael K Evans.2004. Macroeconomics for Managers. Australia: Blackwell Publishing Ltd N. Gregory Mankiw. Teori Makro Ekonomi-Jakarta:

Erlangga 38 Teori Makro

Ekonomi 3 Kebijakan ekonomi makro, kegiatan ekonomi

masyarakat dan pendapatan nasional, analisis pendapatan nasional, permintaan dan penawaran akan uang, keseimbangan umum pasar produk dan pasar uang, permintaan uang dan kebijakan stabilisasi, teori permintaan agregat dalam perekonomian terbuka, teori penawaran agregat dalam perekonomian terbuka, makroekonomi ekuilibrium dalam perekonomian terbuka

Mampu menjelaskan beberapa konsep dasar dalam makroekonomi, dasar teori makroekonomi yang kuat. Memperoleh gambaran riil dari teori-teori yang diperolehnya dalam praktek sehar-hari. Mampu menerapkan teori dalam menganalisis gejala ekonomi yang berkaitan dengan makroekonomi.

Sukirno, S. (2006). Mikro Ekonomi. PT Raja Grafindo Persada. Samuelson, P.A dan Nordhous. (2004). Ekonomi Mikro. Rahardja, P& Manurung, M. (1999).Teori Ekonomi Mikro. Lembaga Penerbit Ekonomi UI. Algifari.(2003).Ekonomi Mikro, Teori dan Kasus. STIE YKPN Yogyakarta. Mc Graw-Hill. 2005. Macroeconomics, Theory and Policy.New Delhi:Publishing company limited Ltd Michael K Evans.2004. Macroeconomics for Managers. Australia: Blackwell Publishing Ltd N. Gregory Mankiw. Teori Makro Ekonomi-Jakarta:

Erlangga

45

5. Kewenangan Penentu Kurikulum dan Peninjauan Kurikulum

Kurikulum Program Studi S1 Statistika pertama kalinya disusun oleh Tim Kurikulum

Departemen Matematika FMIPA UI yang terdiri dari Guru Besar dan Staf Pengajar Senior

dan staf pengajar dalam peminatan Satistika. Kurikulum ini selanjutnya dibawa ke sidag pleno

departemen untuk mendapatkan masukan untuk perbaikan dan pada akhirnya untuk disetujui

oleh Departemen Matematika. Tahap selanjutnya, kurikulum harus disetujui oleh Fakultas

melalui rapat Senat Fakultas.

Seperti pada Program Studi lain di FMIPA UI, maka kurikulum akan dievaluasi

maksimal setelah 5 tahun dalam rangka mempertahankan mutu pendidikan dan perkembangan

keilmuan. Kewenangan revisi kurikulum secara institusi merupakan wewenang dari FMIPA

dan implementasinya harus mendapatkan persetujuan dari Senat Fakultas. Revisi ini

merupakan kewajiban dari Program Studi, maka untuk kesempurnaannya perlu masukan dari

semua stakesholders baik dari dalam maupun dari luar, melakukan benchmarking dengan

universitas atau institusi dalam dan luar negeri (paling tidak dengan mempelajari kurikulum

dari PT luar negeri secara online), mendatangkan atau berdiskusi dengan mitra bestari dari

dalam negeri, serta memperhatikan kesepakatan atau keputusan yang dilakukan oleh

Himpunan Statistika dan Matematika di Indonesia.

46

6. Peluang bagi Mahasiswa untuk Mengembangkan Diri

Sarjana Statistika saat ini sangat dibutuhkan dalam berbagai bidang pekerjaan dan

kesempatan melanjutkan studinya ke jenjang lebih lanjut. Peluang tersebut secara umum

adalah :

• Bekerja dalam berbagai intitusi pemerintahan dan riset dalam negeri antara lain:

Departemen Keuangan, Perdagangan, Perindustrian, Pendidikan Nasional, Dalam

Negeri, Kominfo, Kesehatan, Pertanian, Kehutanan, Perikanan dan Kelautan,

Pertambangan dan Energi, Perhubungan, Lingkungan Hidup, Hankam, Hukum dan

Perundang-undangan, BPS, LIPI, BPPT, BATAN, Universitas, Kependudukan,

Keluarga Berencana, BUMN, Meterologi dan Geofiska, BAPEDAL/SARPEDAL,

BKPM.

• Peluang bekerja yang sangat luas dalam bidang Keungan dan perBankan, antara lain:

BI, Bank BUMN dan Swasta, Jasa Keuangan (antara lain OJK), Bursa saham,

Asuransi/Aktuaria.

• Peluang kerja di sektor Bisnis, antara lain : Riset Marketing, Strategic business

planning, Industri, produksi, manufaktur, telekomunikasi, media, quality management,

inventory system.

• Peluang kerja swasta lain, antara lain Lembaga survey untuk keperluan: politik (pilkada,

pilpres, pilgub, dll), popularitas calon, quick count, dll; Advertising research, HRD

researchers.

• Peluang untuk melanjutkan studi S2 dan S3, baik dalam maupun luar negeri.

• Peluang melanjutkan ke program profesi berkaitan dengan keahlian statistik seperti

aktuaris yang saat ini sangat dibutuhkan.

• Mengembangkan keahlian profesi dengan aktif bergabung dengan organisasi

statistician, aktuaris dan sejenisnya, baik dalam maupun luar negeri.

47

7. Rujukan yang Digunakan (Benchmark)

Kurikulum Program Studi S1 Statistika merujuk pada program S1 maupun S2 di

berbagai universitasi terkenal, institusi dan organisasi profesi yang bergerak dalam bidang

atau berkaitan dengan statistik baik dari dalam maupun luar negeri.

a. Universitas, institusi, organisasi statistika dalam negeri, antara lain :

b. Departemen Statistika, FMIPA Institut Pertanian Bogor (IPB), Bogor.

c. Jurusan Statistika, FMIPA Institut Teknologi Surabaya (ITS), Surabaya

d. Program Studi Statistika, FMIPA Universitas Gadjahmada (UGM), Yogyakarta

e. Program Studi Statistika, FMIPA Universitas Airlangga, Surabaya

f. Jurusan Statistika, FMIPA Universitas Diponegoro, Semarang

g. Departemen Statistika, FMIPA Universitas Padjajaran, Bandung

h. Program Studi Statistika, FMIPA Universitas Islam Indonesia, Yogyakarta

i. Program Studi Statistika, Universitas Tanjung Pura, Pontianak

j. The Indonesian Mathematical Society (IndoMS),

k. Forum Statistika (ForStat),

l. Universitas, institusi, organisasi satatistika luar negeri, antara lain :

Departemen statistika Stanford University, 2012.

American Statistical Association (ASA), USA.

Studies Mathematics and physics Universty of Queensland

Documents

PANDUAN KURIKULUM PROGRAM STUDI S1 STATISTIKA · Matematika Murni, Komputasi, Riset Operasi, dan Statistika & Aktuaria. Selain itu ada lebih dari enam staf pengajar statistika, dua