Professional Documents
Culture Documents
OLEH Drs. I MADE TIRTA, MSc. Ph.D. NIP. 131 474 500 FAKULTAS/PERGURUAN TINGGI NAMA MATA KULIAH K0DE MATA KULIAH/SKS SEMESTER : MIPA/UNIVERSITAS JEMBER : MODEL STATISTIKALINIER : MAM 1622 (3-1) : VII
TAHUN 2009
PRAKATA Puji syukur penulis panjatkan ke Hadirat Tuhan Yang Maha Esa, karena atas ridhonya juga penulis dapat menyelesaikan Desain Instruksional untuk Mata Kuliah Model Statistika Linier. SILABUS dan RPP yang disampaikan merupakan modifikasi Laporan Pekerti 2006 dengan memasukkan unsur soft skill dan menekankan modelpembelajaran SCL. Oleh karena itu jumkah RPP relatif sedikit namun dengan jumlah tatapmukaper RPP agak banyak. Penulis menyadari bahwa desain instruksional ini belum sempurna. Kekurang sempurnaan dalam naskah ini tentu saja akan terus diperbaiki di lapangan sambil mengajarkan matakuliah tersebut di dalam kelas. Penulis juga menyampaikan terimakasih yang sebesar-besarnya kepada semua Tim Pemateri PEKERTI 2006 Universitas Udayana yang telah banyak memberi bimbingan dan pengalaman untuk menyiapkan laporan ini. Akhir kata semoga laporan ini memberi manfaat bagi para pembaca. Jember, Februari 2009 Penulis
DAFTAR ISI Kata Pengantar ............................................................................................ Daftar Isi .................................................................................................... Pendahuluan ............................................................................................. Analisis Instruksional ............................................................................... Matriks Pokok Bahasan dan Elemen Kompetensi ...................................... SILABUS.......................................................................................................... RPP ............................................................................................................ Kisis-Kisis Tes (Objektif dan Uraian) ....................................................... Contoh Tes Uraian dan Marking Scheme ................................................... Contoh Tes Objektif .......................................................... ........................ Kunci Jawaban Tes Objektif ......................................................... ............ Contoh Daftar Isi Buku Ajar Online .......................................................... ii iii iv v vi 1 7 30 31 33 35 36
PENDAHULUAN IDENTITAS MATA KULIAH 1. 2. 3. 4. 5. 6. 7. 8. 9. Nama Mata Kuliah Nomor Kode Jumlah SKS Semester Kedudukan/Sifat Jurusan/ Fakultas Jumlah Tatap Muka Lama setiap Tatap Muka Pengajar : Model Statistika Linier : MAM 1622 : 4 sks (3 teori 1 praktikum) : genap (6) : wajib : Matematika/MIPA : 24 TM (untuk teori) : 100 menit : Drs I Made Tirta MSc, Ph.D Dian Angrraini SSi DESKRIPSI MATA KULIAH Matakuliah ini dimaksudkan untuk memberikan dasar-dasar pemodelan statistika (regresi) linier klasik dan modern, baik menyangkut pemodelan, estimasi dan aplikasinya dalam pemrograman komputer.
ANALISIS INSTRUKSIONAL
Dapat melakukan analisis regresi yang paling tepat (MLN, GLM dan GEE) dengan program komputer R sesuai kondsi data dengan penuh rasa tanggung jawab (C5)
Dapat melakukan analisis Logit dan Log-linier dengan benar dan penuh tanggung jawab dengan program komputer (C5)
Dapat melakukan analisis GLM dengan benar dan bertanggung Dapat melakukan jawab secara semi manual berbagai uji diagnostik dan dengan program komputermemilih dan (C5)
Dapat menjustifikasi bahwa distribusi Normal, Binomial dan Poisson termasuk distribusi keluarga eksponensial (C4)
Dapat melakukan analisis MLN dengan benar baik secara semi manual maupun dengan program komputer (C5)
Dapat menguraikan persamaan dan perbedaan tiga modelmenghitung Dapat linier utama (MLN, GLMdan GEE, C5) menyelesaikan model stokastik (C3)
Entry Behaviour
Menguasai Teori Distribusi, Statistika Deskriptif dan Statistika Inferensial khususnya Metode Kuadrat Terkecil dan Likelihood Maksimum (Lulus Matakuliah: Statistika Matematika, Aljabar Linier)
STRATEGI PEMBELAJARAN
Diskusi kelompok Tanya jawab Diskusi kelompok
KETERANGAN
Dengan menanamkan pentingnya sikap jujur, konsisten, dan memengang kode etik, dalam melakukan analisis statistika
PB. 4 Diagnostik dan Transfprmasi PENGUASAAN ILMU DAN KETRAMPILAN PB. 2 Matriks PB. 5 Keluarga Eksponensial PB 6 PB 7 PB 8 KEMAMPUAN BERKARYA PB 3 MLN PB 4 Diagnostik PB 6 GLM PB 7 Bentuk khusus GLM PB 8 GEE
Seluruh pokokbahasan
SPB 3.3 dan Praktikum SPB 4.3-4.4 dan Praktikum SPB 6.3 dan praktikum Seluruh pokok bahasan dan praktikum Seluruh pokokbahasan dan praktikum Diskusi Tugas terstruktur
Dengan mengerjakan pekerjaan tambahan (tugas tersetruktur) baik secara mandiri maupun berkelompok)
PB 3 MLN PB 4 Diagnostik
Dengan memperhatikan kode etik dalam mengerjakan tugas (mulai diskusi sampai membuat
STRATEGI PEMBELAJARAN
KETERANGAN
laporan), termasuk isu plagiarisme
Projek/Tugas kelompok
Dengan mengerjakan tugas secara berkelompok, melalui diskusi, serta mengangkat kasus-kasus riil di masyarakat
SILABUS MATA KULIAH Nama Mata Kuliah Nomor Kode Jumlah SKS Prasarat Jumlah Tatap muka Teori : : : : : Model Statistika Linier MAM 1622 3-1 Statistika Matematika II, Aljabar Linier 3x16x50 menit atau 24 x TM (100 menit)
1. Standar Kompetensi Setelah menyelesaikan kuliah (dan praktikum) ini, mahasiswa (Semester 7 Jurusan Matematika FMIPA UNEJ) dapat melakukan analisis data secara benar, kreatif dan bertanggung jawab dengan memilih model linier yang paling tepat sesuai jenis distribusi dan kondisi datanya dengan menggunakan paket R (C6) 2. Kompetensi Dasar Setelah mengikuti kegiatan dalam kuliah ini mahasiswa dapat: a. menjelaskan dan mengilustrasikan lengkap persamaan dan perbedaan tiga model linier utama (MLN, GLM dan GEE, C5); b. mencari turunan fungsi dalam bentuk matriks jumlah kuadrat (C4); c. melakukan analisis model linier normal dan menginterpretasikan hasilnya dengan benar dan menentukan alternatif transformasi yang bisa dilakukan jika asumsi distribusi normal tidak terpenuhi (C6) d. menurunkan estimator koefisien regresi pada Model Linier Tergeneralisir dan melakukan analisis Model Linier Tergeneralisir dengan tepat untuk data berdistribusi Binomial (logit, probit), Poissson (log-linier) dan menginterpretasikan hasilnya (C5) e. melakukan analisis yang tepat untuk data tidak berdistribusi normal (C6) 3. Deskripsi materi Matakuliah ini dimaksudkan untuk memberikan dasar-dasar pemodelan statistika (regresi), yaitu: model linier normal, model linier tergeneralisir beserta beberapa model khususnya, penduga persamaan tergeneralisir, baik menyangkut pemodelan, estimasi dan aplikasinya dalam pemrograman komputer khususnya R dan S+
4. Kegiatan Pembelajaran:
Kegiatan Pembelajaran dilakukan dengan mengunakan gabungan antara model kreatif produktif dan diskusi kelompok
a. Orientasi materi (penjelasan dan tanya jawab materi) b. Eksplorasi (berupa pemberian tugas terstruktur perorangan atau kelompok) yang masin
diberi bimbingan
c. Interpretasi (berupa penyajian hasil oleh mahasiswa dalam bentuk laporan tertulis atau
oresentasi lisan)
No Kompetensi Dasar Dapat menguraikan persamaan dan perbedaan 3 model linier utama (MLN, GLM dan GEE) mencari turunan fungsi dalam bentuk matriks jumlah kuadrat (C4)
Sub Pokok Bahasan 1.1. Pengertian pemodelan stokastik 1.2. komponen model stokastik 1.3. Perkembangan model linier 2.1. Pengertian Matriks 2.2. Operasi matriks 2.3. Turunan matriks berbentuk jumlah kuadrat 3.1. Model dan asumsi
1. Model Stokastik
2x100
3x100
[5] bab 6 [6] Bab 2 [5 ] bab 2-4, [6] bab 3 [5 ] bab 2-4, [6] bab 3 [5 ] bab 2-4, [6] bab 3
1x100 2x100
3.2. Estimasi Parameter pada model linier normal 3.3. Distribusi estimator pada melakukan analisis model linier model linier normal normal dengan benar (C5) 4.1. Diagram Pencar menentukan alternatif 4.2 Ciri-ciri diagram transformasi jika pencar residu yang asumsi distribusi memenuhi dan normal tidak tidak asumsi terpenuhi (C6) 4. Diag4.3 Remidi data nostik dan melalui Remidi transformasi 4.4 Analisis Alteratif tanpa transformasi jika asumsi distribusi normal tidak terpenuhi Ujian Tengan Semester (Pokok Bahasab 1-4) 5.1. Bentuk umum dan 5. Distribusi menurunka sifat-sifatnya Keluarga estimator koefisien Eksponen- 5.2 Beberapa bentuk 3. Model Linier Normal
1x100
1x100
[1] bab 1-3 [6] bab 4 [1] bab 1-3 [6] bab 4
1x100
[6] bab 4
10
No Kompetensi Dasar
Sub Pokok Bahasan khusus 6.1. Bentk umum dan asumsi 6.2. Estimasi pada Model Lonier Tergeneralisir 6.3 Uji inferensial pada model linier tergeneralisir
Daftar Kepustakaan [6] bab 5 [4] bab 1 [6] bab 6 [4] bab 1 [6] bab 6 [4] bab 1 [6] bab 6
regresi pada Model Linier Tergeneralisir dan analisis untuk melakukan Model data 8. Penganta
r GEE dan HGLM 7. Model khusus, Model Linier Tergeneralisasi 7.1 Model Binomial (logit dan Probit) 7.2. Model Poisson (log-linier) 2x100 [3] Bab 6
GEE HGLM
2x100
[6] Bab 8
5.
(log-linier)
dan
Asesmen dilakukan dengan dua macam yaitu menginterpretasikan 1. Ujian tertulis melalui Ujian Tengah Semester dan UAS (Ujian Akhir Semester) hasilnya (C5) 2. Laporan Tugas Tersetruktur dan Pengamatan Kinerja atau Portofolio selaman kegiatan perkuliahan Assesmen Tipe I
11
Asesmen Tipe II Tujuan Evaluasi Hal-Hal yang Dievaluasi Evaluator Waktu Responden Instrumen Mata Kuliah Dosen/Team Teaching
: : : : : : : :
Mengukur prestasi mahasiswa secara keseluruhan Penguasaan aspek kognitif mahasiswa Team Teaching Tengah dan Akhir Semester Mahasiswa peserta kuliah Tes objektif dan Uraian Model Statistika Linier Drs I Made Tirta MSc. Ph.D. Dian Anggraini SSi
6. Referensi
[1.]
Bowerman B.L., Oconnell, R.T. Dickey D.A. (1986). Linear Statistical Model, an Applied Approach. Boston: Duxbury Press Dobson A.J. (1983). An Introduction to Statistical Modelling. London: Chapman & Hall. Hastie & Pregibon. Generalized Linier Models, dalarn Chamber & Hastie (1993) Statistical Models in S. London: Chapman & Hall McCullagh, P. Nelder J.A. (1989). Chapman & Hall. Generalized Linear Models. London:
[2.]
[3.]
[4.]
[5.]
Neter J. Wasserman, Kutner. (1985) Applied Statistical Model. Homewood, Illinois: Irwin. Tirta, I M. (2003). Model- Statistika linier. Diktat untuk kalangan sendiri.
[6.]
7. Jadwal Pertemuan
Pertemuan (TM) 1 2 3-4 5-6 7-9 10-11 12 13-16 17-20 21-22 22 23-24 Kegiatan Membahas kontrak perkuliahan Orientasi Pokok Bahasan 2 Lanjutan Orientasi Pokok Bahasan 1 Orientasi Pokok Bahasan 2 Orientasi Pokok Bahasan 3-4 Pembimbingan Tahap Eksplorasi PB 3-4 Interpretasi (Persentasi Tugas) UTS Orientasi Pokok Bahasan 5-7 Pembimbingan Tahap Eksplorasi Pokok Bahasan 5-7 Interpretasi (Presentasi Tugas) Pokok Bahasan 5-7 Pembimbingan revisi (reinterpretasi) Tugas Orientasi Pokok Bahasan 8 Ujian Akhir Semester Topik Kontrak perkuliahan Model Stokastik Model Stokastik Pengantar Matriks Model Linier Normal Sumber Silabus dosen
12
13
2a
Membahas Perkembangan Model Staistika (Stokastik) Membahas Matriks untuk Statistika Membahas teori dan aplikasi model linier normal
2b
Pengertian pemodelan stokastik, . komponen model stokastik, Perkembangan model linier Pengertian matriks, Operasi matriks, Turunan matriks berbentuk jumlah kuadrat MLN: model dan asumsi, estimasi dan uji parameter, diagnostik model MLT: distribusi keluarga eksponensial, asumsi dan estimasi pada model linier tergeneralisir, bentukbentukkhusus GEE: asumsi dan aplikasi
Orientasi (Ceramah, tanya jawab) Orientasi (ekspositori, tanya jawab) Tugas mencari turunan matriks Orientasi (ekspositori), tugas pengembangan kelompok/ mandiri diskusi kelompok, presentasi Orientasi (ekspositori), tugas pengembangan kelompok/mandiri diskusi kelompok, presentasi Orientasi (ekspositori), Diskusi, tugas kelompok
Portofolio/ Tugas
Portofolio/ Tugas
2c
14
2d
Membahas teori dan aplikasi model linier tergeneralisir Membahas teori dan aplikasi model linier untuk data tidak saling bebas
17
2e
Portofolio/ tugas
2 23 (+ 1 UTS)
4 43
TM TS TMd Jl
= = = =
Jumlah Waktu Tatap Muka (1x 100 menit) Jumlah Waktu Tugas Terstruktur Jumlah Waktu Tugas Mandiri Total waktu keseluruhan kegiatan
KONTRAK PERKULIAHAN Nama Mata Kuliah Nomor Kode Sifat/ SKS Prasarat Waktu Pertemuan : Model Statistika Linier : MAM 1622 : Wajib/ 3 SKS teori : Statistika Matematika I-II, Aljabar Linier : 1 x 100
Manfaat Mata Kuliah Matakuliah ini memberikan pengetahuan yang cukup komprehensif bagi untuk memanfaatkan berbagai bentuk dan teknik analisis regresi sesuai kondidi data. Deskripsi Mata Kuliah Matakuliah ini dimaksudkan untuk memberikan dasar-dasar pemodelan statistika (regresi), yaitu: model linier normal, model linier tergeneralisir beserta beberapa model khususnya, penduga persamaan tergeneralisir, baik menyangkut pemodelan, estimasi dan aplikasinya dalam pemrograman komputer khususnya R dan S+ Kompetensi 1. Standar Kompetensi Setelah menyelesaikan kuliah (dan praktikum) ini, mahasiswa (Semester 6 Jurusan Matematika FMIPA UNEJ) dapat melakukan analisis data secara benar, kreatif dan bertanggung jawab dengan memilih model linier yang paling tepat sesuai jenis distribusi dan kondisi data yang dihadapi dengan menggunakan paket R (C6) 2. Kompetensi Dasar Setelah mengikuti kegiatan dalam kuliah ini mahasiswa dapat: a. menjelaskan dan mengilustrasikan lengkap persamaan dan perbedaan tiga (3) model linier utama (MLN, GLM dan GEE/HGLM, C5); b. mencari turunan fungsi dalam bentuk matriks jumlah kuadrat (C4); c. melakukan analisis model linier normal dan menginterpretasikan hasilnya dengan benar dan menentukan alternatif transformasi yang bisa dilakukan jika asumsi distribusi normal tidak terpenuhi (C6)
d. menurunkan estimator koefisien regresi pada Model Linier Tergeneralisir (GLM) dan melakukan analisis Model Linier Tergeneralisir untuk data berdistribusi Binomial (logit, probit), Poissson (loglinier) dan menginterpretasikan hasilnya (C5) e. melakukan analisis yang tepat untuk data tidak berdistribusi normal dan tidak saling bebas (C6) Organisasi Materi
Pokok Bahasan Model Stokastik Matriks Untuk Statistika Model Linier Normal Sub Pokok Bahasan 1.1. Pengertian pemodelan stokastik 1.2. komponen model stokastik 1.3. Perkembangan model linier 2.1. Pengertian Matriks 2.2. Operasi matriks 2.3. Turunan matriks berbentuk jumlah kuadrat 3.1. Model dan asumsi 3.2. Estimasi Parameter pada model linier normal 3.3. Distribusi estimator pada model linier normal 4.1. Diagram Pencar 4.2 Ciri-ciri diagram pencar residu yang memenuhi dan tidak asumsi 4.3 Remidi data melalui transformasi 4.4 Analisis Alteratif tanpa transformasi jika asumsi distribusi normal tidak terpenuhi 5.1. Bentuk umum dan sifat-sifatnya 5.2 Beberapa bentuk khusus 6.1. Bentk umum dan asumsi 6.2. Estimasi pada Model Lonier Tergeneralisir 6.3 Uji inferensial pada model linier tergeneralisir Model khusus, Model Linier Tergeneralisasi Perngantar GEE dan HGLM 7.1 Model Binomial (logit dan Probit) 7.2. Model Poisson (log-linier) 8.1.GEE 8.2 HGLM Sumber Bacaan Utama [4] bab 1 [6] bab 1 [4] bab 1 [6] bab 2 [4] bab 1 [6] bab 3 [3] Bab 6 [6] Bab 3 [4] bab 1 [6] bab 3 [4] bab 1 [6] bab 4 [4] bab 1 [6] bab 4 [3] Bab 5 [6] Bab 5 [4] bab 1 [6] bab 5 [4] bab 1 [6] bab 6 [4] bab 1 [6] bab 6 [3] Bab 6 [6] Bab 7
Strategi Perkuliahan
Kegiatan Pembelajaran dilakukan dengan mengunakan gabungan antara model kreatif produktif dan diskusi kelompok
a. Orientasi materi (penjelasan oleh dosen dan tanya jawab materi) b. Eksplorasi (berupa pemberian tugas pendalaman/pengembangan terstruktur perorangan
atau kelompok) yang masin diberi bimbingan
c. Interpretasi (berupa penyajian hasil oleh mahasiswa dalam bentuk laporan tertulis atau
presentasi lisan)
d. Rekreasi (berupa revisi laporan sesuai masukan dalam presentasi) Referensi/Bahan Bacaan
[1.]
Bowerman B.L., Oconnell, R.T. Dickey D.A. (1986). Linear Statistical Model, an Applied Approach. Boston: Duxbury Press Dobson A.J. (1983). An Introduction to Statistical Modelling. London: Chapman & Hall. Hastie & Pregibon. Generalized Linier Models, dalarn Chamber & Hastie (1993) Statistical Models in S. London: Chapman & Hall McCullagh, P. Nelder J.A. (1989). Chapman & Hall. Generalized Linear Models. London:
[2.]
[3.]
[4.]
[5.]
Neter J. Wasserman, Kutner. (1985) Applied Statistical Model. Homewood, Illinois: Irwin. Tirta, I M. (2003). Model- Statistika linier. Diktat elektronik untuk kalangan sendiri (tersedia di e-learning UNEJ/ Jurusan). Dll (cetak maupun online),dengan kata kunci Regression atau Linear Model
[6.]
[7.]
Tugas-tugas Tugas tugas terdiri atas: a. tugas individu merangkum topik (perkembangan pemodelan stokastik, pengantar matriks dan pengantar gee) dan membuat bagan/peta konsep model statistika linier; b. tugas kelompok membuat pembahasan, pengembangan dan aplikasi (ilustrasi) topik model linier normal, model linier tergeneralisir; c. tugas kelompok laporan praktikum; d. mempresentasikan tugas kelompok/individu.
Rubrik penilaian Laporan/Tugas tertulis Identitas yang dinilai :.. Komponen 1 Judul 2 Struktur Pembahasan 3 Ketepatan Konsep dan Notasi 4 Pengembangan Keterangan
Ada/tidak. Jelas/tidak, relevan/tidak dengan pembahasan Sesuai/tidak, mengikuti aturan tata tulis/tidak, mudah dikuti/tidak (Pendahuluan, Kajian Pustaka, Pembahasan, Kesimpulan, Pustaka) Validitas konsep (ada konsepkeliru atau tidak) Konsistensi notasi (mengikuti aturan/tidak), konsisten/tidak Pengembangan materi dibandingkan dengan materi yang diberikan dalam kuliah Kemampuan menuangkan ide dengan bahasa sendiri (tingkat keaslian tulisan) Ilustrasi komputer/data serta tingkat kreativitas mahasiswa Jumlah, variasi dan kemutakhiran pustaka Ketepatan menyerahkan tugas, tumpang tindih antara satu laporan dengan laporan lainnya
Bobot 5%
Nilai (1-10)
NB
15%
25%
5 Pustaka 6 Lain-lain
Total
Identitas Penilai: Rubrik penilaian Presentasi/Diskusi Identitas yang dinilai: . Komponen 1 Media 2 Struktur Slide/Transparan 3 Komunikasi 4 Penguasaan materi 5 Partisipasi dalam diskusi 6 Lain-lain Keterangan
Pemanfaatan multi media (OHP/LCD) Memuat poin-poin penting Sajian dalam bentuk diagram Suara jelas Memperhatikan pendengar Sikap dalam berkomunikasi Ketepatan konsep yang disampaikan Ketepatan dalam menjawab pertanyaan Bertanya dan menjawab dengan pertanyaan dan jawaban yang relevan Kerjasama dalam kelompok
Nilai (1-10)
NB
Total
Identitas penilai:..
Kriteria Penilaian Penilaian meliputi a. Penilaian tugas/laporan tertulis b. Penilaian presentasi danpartisipasi dalam diskusi c. Ujian tulis tengah dan akhir semester Komposisi penilaian NA = 6 P + 2T + 2 A 10
NA = Nilai Akhir P = Rata-rata nilai tugas,praktikum (termasuk pertimbangan soft skill) T = nilai ujian tengah semester A = nilai ujian akhir semester Jadwal Kuliah:
Pertemuan (TM) 1 2 3-4 5-6 7-9 10-11 12 13-16 Kegiatan Membahas kontrak perkuliahan Orientasi Pokok Bahasan 2 Lanjutan Orientasi Pokok Bahasan 1 Orientasi Pokok Bahasan 2 Orientasi Pokok Bahasan 3-4 Pembimbingan Tahap Eksplorasi PB 3-4 Interpretasi (Persentasi Tugas oleh Mahasiswa) UTS Orientasi Pokok Bahasan 5-7 Topik Kontrak perkuliahan Model Stokastik Model Stokastik Pengantar Matriks Model Linier Normal (estimasi, uji hipotesis, diagnostik, transformasi) Model Linier Normal Model Linier Normal Pokok Bahasan (Topik 1-4) Model Linier Tergeneralisir (Distribusi Keluarga eksponensial, estimasi, uji hipotesis) Model Linier Tergeneralisir Model Linier Tergeneralisir Model Linier Tergeneralisir Model untuk respon tidak saling bebas Sumber Utama Silabus dosen [6] bab 1 [6] bab 2 [6] bab 3-4
Pembimbingan Tahap Eksplorasi Pokok Bahasan 5-7 Interpretasi (Presentasi Tugas) Pokok Bahasan 5-7 Pembimbingan revisi (reinterpretasi) Tugas Orientasi Pokok Bahasan 8 Ujian Akhir Semester
[6] bab 7
Garis besar kegiatan belajar mengajar Orientasi Eksplorasi : Penjelasan materi oleh dosen (diselingi tanyajawab dan diskusi singkat) : Pengembangan materi (teori, aplikasi dll) oleh mahasiswa dalam bentuk tugas individu atau kelompok. Interpretasi : Presentasi hasil oleh mahasiswa dalam bentuk lisan/tulisan Re-kreasi Lain-lain: 1. Dosen terlambat maksimum 15 menit (tanpa pemberitahuan) untuk bisa mengisi kuliah pada hari itu. 2. Pemberitahuan harus telah disampaikan paling lambat tepat saat jam kuliah dimulai. 3. Mahasiswa terlambat maksimum 15 menit untukbisa mengikuti perkuliahan saat itu. 4. Selama kuliah berlangsung HP dalam posisi silent/getar (dosen maupun mahasiswa). 5. Penyerahan tugas paling lambat (1 minggu dari waktu yang ditentukan). Setiap keterlambatan berakibat pada pengurangan nilai. 6. Kata kunci materi untuk pelacakan referensi: regresi, model linier, linear model 7. Pedoman pemanfaatan referensi on-line a. Bukan situs wikipedia b. Alamat dan pemilik (baik perorangan maupun lembaga jelasdan dapat dipertanggungjawabkan (akademisi, peneliti, universitas dll) c. Perujukan dengan mencantumkan judul tulisan, penulis, alamat situs, tanggal akses Koordinator Pengampu Matakuliah : Revisi oleh mahasiswa sesuai masukan oleh dosen/mahasiswa lain
I Made Tirta
tiga (3) model linier utama (MLN, GLM dan GEE, C5); mencari turunan fungsi dalam bentuk matriks jumlah kuadrat (C4);
7. Rincian Materi Pembelajaran : 1.1. Pengertian pemodelan stokastik (perbedaan model stokastik dan deterministik) 1.2. komponen model stokastik (komponen sistematik/tetap dan Model Stokastik komponen stokastik) 1.3. Perkembangan model linier (perkembangan model linier normal saling bebas, model tidaknormalsaling bebas dan model tidak normal dan tidaksaling bebas) Matriks Untuk 2.1. Pengertian Matriks Statistika 2.2. Operasi matriks 2.3. Turunan matriks berbentuk jumlah kuadrat(turunan serempak matriks terhadap vektor) 8. Bahan/Alat yang Diperlukan:9. Model Pembelajaran 1. Nama Model 2. Landasan Teori 3. Langkah Pokok : : : Diharapkan mampu menyebutkan model pembelajaran yang dijadikan acuan (sangat diharapkan memanfaatkan model pembelajaran SCL) Diharapkan mampu menyebutkan teori pembelajaran yang dijadikan acuan (Misalnya: Behavioristik, Kognitivisme, Konstruktivisme, Humanisme, Sibernetik) (untuk model pembelajaran aktif kreatif) Orientasi , berisi penjelasan singkat/umum materi dari dosen sebelum mahasiswa memulai kegiatan Eksplorasi, langkah/ legiatan yang dilakukan oleh mahasiswa sebagai bentuk belajar aktif (SCL) Interpretasi, pemaparan penjelasan oleh mahasiswa, dari hasil hasil eksplorasinya Re-kreasi, Konstruksi ulang informasi sesuai pemahaman
[6] bab 1
[6] bab 2
akhir (sesudah presentasi dan memperoleh masukan dari dosen dan mahasiswa lain) 10. Persiapan Membaca materi yang akan di bahas (e-book di e-learning).
11. Proses Pembelajaran Tahap Kegiatan Pengajar Kegiatan Pendahuluan 1. Memeriksa (20) kesiapan mahasiswa dengan bertanya tentang kesiapan mengikuti kegiatan tatapmuka 2. Menyampaikan manfaat model linier 3. menyebutkan KD Penyajian Menjelaskan materi (60) 1. Memfasilitasi diskusi tentang Perkembangan Pemodelan Statistika dan peranan komputer Penutup 1. Memberi umpan (20) balik 2. Memberikan quiz 3. Memberi tugas terstruktur 12. Asesmen :
Kegiatan Mahasiswa
Media
menjawab, bertanya dan White board berdiskusi tentang materi OHP/ Viewer yang telah dibaca sebelumnya
Tes
(a) Proses Metode: observasi; alat: skala peringkat (rating scale) (b) Hasil belajar Metode: penugasan/ tes; alat: Rubrik pengamatan, soal ujian
1) Buat diagram yang menggambarkan jenis dan perkembangan model statistika linier 2) Jelaskan minimal 3 manfaat komputer dalam penyelesaian pemodelan statistika sekarang 3) Buatlah dua buah matriks (A, B), masing- masing berordo 2 2 , selanjutnya hitung a. a. A+B b. A-B c. AB d. BA
10
4 2 x 4) Diketahui A = 2 3 x = y dalam hal ini x = 4t + 3w dan y = 3t + 2 w atau 4 3 t dan t = , hitung turunan-turunan dengan kata lain x = Bt untuk B = 3 2 w berikut baik dengan cara matriks (langsung), maupun dengan cara menurunkan terhadap masing- masing unsurnya. a. b. c. d. dx dt dx T Ax dx dx T Ax dx T dx dx T Ax dt
Daftar Pustaka:
[6]. Tirta, I M. (2003). Model- Statistika linier. Diktat elektronik untuk kalangan sendiri (tersedia di e-learning UNEJ/ Jurusan).
11
RENCANA PELAKSANAAN PEMBELAJARAN JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER 1. Nama Mata Kuliah 2. Nomor Kode 3. Prasarat 4. Waktu Pertemuan 5. Standar Kompetensi : Model Statistika Linier : MAM 1622 Wajib/ 3 SKS teori : Statistika Matematika I-II, Aljabar Linier : 8 x 100
: Setelah menyelesaikan kuliah (dan praktikum) ini, mahasiswa (Semester 6 Jurusan Matematika FMIPA UNEJ) dapat melakukan analisis data secara benar, kreatif dan bertanggung jawab dengan memilih model linier yang paling tepat sesuai jenis distribusi dan kondisi data yang dihadapi dengan menggunakan paket R (C6) menurunkan bentuk estimator,melakukan analisis model linier normal dan menginterpretasikan hasilnya dengan benar dan menentukan alternatif transformasi yang bisa dilakukan jika asumsi distribusi normal tidak terpenuhi (C6)
6. Kompetensi Dasar:
[6] Bab 3 [5] bab 1 [6] bab 3 [5] bab 1 [6] bab 4 [5] bab 1 [6] bab 4
12
9. Model Pembelajaran
1. Nama Model 2. Landasan Teori 3. Langkah Pokok : : : model pembelajaran kreatif produktif dengan diskusi kelompok Konstruktivisme (untuk model pembelajaran aktif kreatif) Orientasi, berisi penjelasan singkat/umum materi dari dosen sebelum mahasiswa memulai kegiatan Eksplorasi, mahasiswa (SCL) Interpretasi, pemaparan penjelasan oleh mahasiswa, dari hasil hasil eksplorasinya Re-kreasi, Konstruksi ulang informasi sesuai pemahaman akhir (sesudah presentasi dan memperoleh masukan dari dosen dan mahasiswa lain) langkah/ legiatan yang dilakukan oleh sebagai bentuk belajar aktif
10. Persiapan
a. Mencari referensi terkait yang telah disampaikan dalam kontrak kuliah
b. Membaca materi pokok (bab 3-4) yang telah disediakan disitus e-learning. 11. Proses Pembelajaran Tahap Kegiatan Pendahuluan (20) Kegiatan Pengajar
Memeriksa kesiapan mahasiswa dengan bertanya tentang penguasaan materi sebelumnya 2. merangkum pokok-pokok pertemuan sebelumnya 3. menyebutkan KD Menjelaskan materi 1. Melalui ekspositori, tanya jawab membahas teori tentang model linier normal, diagnostik dan transformasi 2. Memfasilitasi diskusi tentang tugas dari pertemuan sebelumnya 3. Memfasilitasi
Kegiatan Mahasiswa
menjawab, bertanya dan berdiskusi tentang materi yang telah dibaca sebelumnya
1.
Penyajian (60)
13
Tahap Kegiatan
Kegiatan Pengajar
diskusi tentang Model Linier Normal dan Diagnostik modelnya
Kegiatan Mahasiswa
Media
Penutup (20)
Tes
12. Asesmen :
(a) Proses Metode: observasi; alat: skala peringkat (rating scale) (b) Hasil belajar Metode: penugasan/ tes; alat: Rubrik pengamatan, soal ujian
1) Tentukan model dan asumsi model linier normal 2) Tentukan bentuk biasa (sumasi) maupun matriks dari jumlah kuadrat kesalahan. 3) Tuliskan bentuk akhir (dalam bentuk vektor), persamaan iterasi Skoring Fisher untuk mengestimasi parameter regresi pada model linier sederhana dengan metode kuadrat terkecil 4) Tuliskan bentuk akhir (dalam bentuk vektor), persamaan iterasi Skoring Fisher untuk mengestimasi parameter regresi pada model linier sederhana dengan metode likelihood maksimum 5) Jelaskan distribusi penduga likelihood, baik untuk sampel besar maupun untuk sampel kecil. 6) Sebutkan ciri-ciri pencaran residu yang memenuhi asumsi model linier normal 7) Sebutkan beberapa bentuk penyimpangan terhadap pencaran residu dan bagaimana hubungannya dengan asumsi model linier normal 8) Sebutkan tehnik tehnik transformasi yang dapat dipakai untuk mendekatkan sebaran residu ke asumsi model linier normal (ilustrasikan sebaran residu sebelum dan sesudah transformasi) 9) Sebutkan beberapa tehnik model linier yang dapat dipilih jika terjadi pelanggaran terhadap asumsi kenoralan.
Daftar Pustaka:
14
[1.]
Bowerman B.L., Oconnell, R.T. Dickey D.A. (1986). Linear Statistical Model, an Applied Approach. Boston: Duxbury Press Neter J. Wasserman, Kutner. (1985) Applied Statistical Model. Homewood, Illinois: Irwin. Tirta, I M. (2003). Model- Statistika linier. Diktat elektronik untuk kalangan sendiri (tersedia di e-learning UNEJ/ Jurusan).
[2.]
[3.]
15
RENCANA PELAKSANAAN PEMBELAJARAN JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER 1. Nama Mata Kuliah 2. Nomor Kode 3. Prasarat 4. Waktu Pertemuan 5. Standar Kompetensi : Model Statistika Linier : MAM 1622, Wajib/ 3 SKS teori : Statistika Matematika I-II, Aljabar Linier : 8 x 100
: Setelah menyelesaikan kuliah (dan praktikum) ini, mahasiswa (Semester 6 Jurusan Matematika FMIPA UNEJ) dapat melakukan analisis data secara benar, kreatif dan bertanggung jawab dengan memilih model linier yang paling tepat sesuai jenis distribusi dan kondisi data yang dihadapi dengan menggunakan paket R (C6) : menurunkan estimator koefisien regresi pada Model
6. Kompetensi Dasar
Linier Tergeneralisir dan melakukan analisis Model Linier Tergeneralisir dengan tepat untuk data berdistribusi Binomial (logit, probit), Poissson (log-linier) dan menginterpretasikan hasilnya (C5) 7. Rincian Materi Pembelajaran
Distribusi Keluarga Eksponensial Model Linier Tergeneralisir 5.1. Bentuk umum dan sifat-sifatnya 5.2 Beberapa bentuk khusus 6.1. Bentk umum dan asumsi 6.2. Estimasi pada Model Lonier Tergeneralisir 6.3 Uji inferensial pada model linier tergeneralisir Model khusus, Model Linier Tergeneralisasi Perngantar GEE dan HGLM 7.1 Model Binomial (logit dan Probit) 7.2. Model Poisson (log-linier) GEE HGLM [3] Bab 5 [6] Bab 5 [4] bab 1 [6] bab 5 [4] bab 1 [6] bab 6 [4] bab 1 [6] bab 6 [3] Bab 6 [6] Bab 7
9. Model Pembelajaran
1. Nama Model 2. Landasan Teori 3. Langkah Pokok : : : model pembelajaran kreatif produktif dengan diskusi kelompok Konstruktivisme (untuk model pembelajaran aktif kreatif) Orientasi, berisi penjelasan singkat/umum materi dari dosen sebelum mahasiswa memulai kegiatan
16
Interpretasi, pemaparan penjelasan oleh mahasiswa, dari hasil hasil eksplorasinya Re-kreasi, Konstruksi ulang informasi sesuai pemahaman akhir (sesudah presentasi dan memperoleh masukan dari dosen dan mahasiswa lain)
10. Persiapan
c. Mencari referensi terkait yang telah disampaikan dalam kontrak kuliah
d. Membaca materi pokok (bab 5-) yang telah disediakan disitus e-learning.
17
Penyajian
Penutup
Tes
12. Asesmen :
(a) Proses Metode: observasi; alat: skala peringkat (rating scale) (b) Hasil belajar Metode: penugasan/ tes; alat: Rubrik pengamatan, soal ujian
18
1) Sebutkan bentuk umum distribusi keluarga eksponensial 2) Sebutkan bentuk mean dan varians 3) Justifikasi bahwa distribusi Binomial, Poisson, Normal dan Gamma, termasuk distribusi keluarga eksponensial. 4) Justifikasi mean dan varians distribusi Binomial, Poisson, Normal dan Gamma, dalam bentuk distribusi keluarga eksponensial. Sebutkan bentuk umum dan asumsi Model Linier Tergeneralisir 5) Sebutkan dan jelaskan tiga komponen penting dalam Model Linier Tergeneralisir dan Jelaskan. 6) Tuliskan rumus iterasi Newton Raphson untuk mengestimasi parameter dalam Model Linier Tergeneralisir 7) Sebutkan prosedur menguji signifikansi koefisien dalam Model Linier Tergeneralisir 8) Buatlah ringkasan analisis data khypposis 9) Buatlah ringkasan analisis data khypposis 10) Jelaskan Prinsip Dasar Analisis GEE 11) Tuliskan bentuk Umum Skoring Fisher untuk GEE 12) Jelaskan hubungannya dengan skoring Fisher untuk Model Linier Normal dan GLM Referensi [1.] [2.]
[3.]
Dobson A.J. (1983). An Introduction to Statistical Modelling. London: Chapman & Hall. Hastie & Pregibon. Generalized Linier Models, dalarn Chamber & Hastie (1993) Statistical Models in S. London: Chapman & Hall McCullagh, P. Nelder J.A. (1989). Chapman & Hall. Generalized Linear Models. London:
[4.]
[5.]
[6.]
Tirta, I M. (2003). Model- Statistika linier. Diktat elektronik untuk kalangan sendiri (tersedia di e-learning UNEJ/ Jurusan).
19
CONTOH SOAL (UJIAN MID BAGIAN OBJEKTIF) POKOK BAHASAN: MODEL STATISTIKA MATRIKS MODEL LINIER NORMAL DIAGNOSTIK DAN TRANSFORMASI 1. Komponen pada model statistika yang khas yang tidak terdapat pada model matematika deterministik adalah (C2:Mudah): a. komponen variabel X b. komponen variabel Y c. komponen kesalahan acak d. komponen fungsi aditif 2. Langkah berikut hanya terdapat dalam tahap-tahap pemodelan statistika tetapi tidak dalam pemodelan matematika (C2:mudah) a. identifikasi variabel b. menyelesaikan model c. menguji signifikansi d. memperbaiki model 3. Jika matriks A memiliki invers maka A pasti bukan salah satu berikut (C2:mudah) a. matriks bujur sangkar b. matriks ber-rank penuh c. matriks non singular d. matriks persegipanjang 4. Turunan (x2+3y2) terhadap adalah (C3 sedang) y a. 3y b. 6y
x2 2 3y x d. 3y 2x 2x x
c.
5. Untuk dapat menggunakan analisis model linier normal dengan benar, transformasi dapat dilakukan pada kondisi berikut, kecuali (C4 sedang) a. data bersifat kontinu tetapi distribusinya tidak simetrs b. hubungan peubah bebas dan respon tidak bersifat linier c. data bersifat kontinu tetapi distribusinya tidak acak d. variansi sebarann data tidak bersifat konstan 6. Salah satu persoalan yang sering muncul dalam penggunaan transformasi adalah: a. membutuhkan kemampuan pemrograman yang tinggi b. sering tidak cukup dengan melakukan 1 transformasi c. kesulitan dalam melakukan transformasi balik d. tidak dapat dilakukan jika ada respon negatif
20
7. Interval keyakinan berikut yang menunjukkan keofisien regresi signifikan adalah (C2: Sedang): a. (-3,-1), b. (-1,2) c. (-3,8) d. (0,1) 8. Perbenaan mendasar antara modelmatematiak deterministik dengan model stokastik adalah terletak pada aspek (C2, sulit): a. ada tidaknya komponen kesalahan pada masing-masing model b. tingkat kesulitan dalam membuat masing-masing model c. tingkat aplikasi riil dari dari masing-masing model d. jumlah variabe; yang ada pada masing-masing model 9. Turunan (4x2+3xy+5y2) terhadap adalah (C3 sulit) y a. 3x + 10 y b. 10 x + 3 y
4 x 2 + 3xy c. 3xy + 5 y 2 8 x + 3 xy d. 3xy + 10 y 3x + 8 y 8x + 3 y x
10. Berikut adalah syarat penggunaan model linier klasik, kecuali (C2 mudah) a. respon memunyai hubungan linier b. respon bersdistribusi normal c. respon mempunyai variansi konstan d. hanya ada satu variabel bebas
21
11. Berikut ini termasuk distribusikeluarga eksponensial, kecuali (C1 mudah) a. distribusi Normal b. distribusi Poisson c. distribusi Gamma d. distribusi Seragam 12. Dalam model linier tergeneralisir (GLM) dengan fungsi link adalah log, maka (c4 sedang) a. hubungan antara parameter dan peubah bebas adalah logaritma b. hubungan antara parameter dan peubah bebas adalah linier c. hubungan antara peubah bebas dengan respon adalah adalah linier d. hubungan antara parameter dan peubah respon adalah linier 13. Berikut yang termasuk dalam model linier tergeneralisir (GLM) adalah a. data berdistribusi Poisson saling bebas b. data berdistribusi Normal saling bebas c. data berdistribusi Poisson saling bergantung d. data berdistribusi normal saling bergantung
22
Tunjukkan bahwa
xT Ax = 2Ax x
MARKING SCHEME Langkah-langkah yangharus ditempuh dan prosentase nilai tiap langkah. Nilai akhir disesuaikan dengan nilai (skor) 1 soal, yang juga dibobot sesuai dengan jumlah soal dan tingkat kesulitan setiap soal. Langkah 1. 40%
xT Ax = ( x 4 2 x y) 2 3 y
x = ( 4 x + 2 y 2 y + 3y) y = ( (4 x + 2 y ) y + (2 x + 3 y ) y ) =(4 x 2 + 2 xy + 2 xy + 3 y 2 )
Langkah 2 30%
xT Ax (4 x 2 + 2 xy + 2 xy + 3 y 2 ) = x x 8x + 4 y = 4x + 6 y
Langkah 3 30%
8 4 x = 4 6 y = 2Ax
23
24
Uraian : 4 butir
BENTUK URAIAN TERBATAS C4,5,6 L M H JML SOAL 1 % ASPEK BERPIKIR TERTINGGI C2 C3 C4 C5 C6 JML SOAL %
BENTUK OBYEKTIF C1 M C2 M C3 M H
L 0
3,3 6,7 6,7 0 6,7 10 6,7 0 6,7 6,7 10 10 0 6,7 13 6,7 100 0 0
2 2 2 1
2 2 2 3 2 2 2 3 3 2 4 2 30
1 2
25
2 1 2 1 1 1 1 1 2 1
3
1 1
1 1
25 25
2 4
13
1 2 50 0 0 2 50 0 0
1 4
25
3
10
1
3
2
7
10
33
2 4
13
3
10
2
7
100
25
26