Logo UNP
KEMENTERIAN PENDIDIKAN TINGGI, SAINS, DAN TEKNOLOGI
UNIVERSITAS NEGERI PADANG – FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM – PROGRAM STUDI ILMU AKTUARIA (S1)
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tgl Penyusunan
Statistika Matematika 2 IAK.62.0016 - 1 2 4 -
OTORISASI / PENGESAHAN Dosen Pengembang RPS Koordinator RMK Koordinator Prodi
- - - -
CPL-PRODI yang dibebankan pada MK
CPL-2 Memiliki kemampuan komunikasi yang efektif dan kerjasama team dalam interaksi sosial dan pekerjaan (komunikasi dan Kerjasama team / transferable skill)
CPL-4 Mampu menerapkan konsep teoritis sains dasar, matematika, peluang, dan statistika
CPL-6 Mampu menerapkan metode aktuaria dan perangkat lunak komputer untuk menyelesaikan masalah aktuaria yang bersifat praktis maupun berbasis data.
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK 1 Menguasai Distribusi Sampling dan Estimasi Titik
CPMK 2 Menguasai Estimasi Interval dan Inferensi Nonparametrik
CPMK 3 Menerapkan Uji Hipotesis
CPMK 4 Mahasiswa mampu mempresentasikan ide, hasil perhitungan, dan analisis secara efektif, baik secara individu maupun kelompok
CPMK 5 Mahasiswa mampu menjelaskan distribusi sampling, konsep estimator, dan sifat-sifat estimasi.
CPMK 6 Mahasiswa mampu melakukan estimasi parameter menggunakan metode MME dan MLE pada berbagai distribusi dan model linear sederhana.
CPMK 7 Mahasiswa mampu menyusun dan melakukan uji hipotesis, termasuk penerapan Lemma Neyman-Pearson, UMP Test, dan Likelihood Ratio Test dengan dukungan software statistik (R/Python).
CPMK 8 Mahasiswa mampu melakukan estimasi interval, analisis tingkat kepercayaan, serta mengimplementasikan metode inferensi nonparametrik seperti Bootstrap.
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
SUB CPMK -
CPL-2 CPL-4 CPL-6 dst Total
CPMK/Sub CPMK - - - - -
CPMK/Sub CPMK - - - - -
Topik meliputi distribusi sampling, estimasi titik beserta sifat-sifatnya, metode-metode untuk mendapatkan estimasi titik seperti Metode Momen (MME) dan Maksimum Likelihood Estimation (MLE) untuk parameter distribusi probabilitas (pdf) dan parameter model linear sederhana. Selain itu, mata kuliah ini mencakup uji hipotesis yang meliputi Lemma Neyman-Pearson, uji paling kuat secara uniform, dan uji likelihood ratio. Mahasiswa juga akan mempelajari estimasi interval dan pengenalan inferensi nonparametrik seperti Bootstrap dan metode lainnya
Utama:
-
Pendukung: (Jika diperlukan)
-
-
-
Minggu Ke- SUB-CPMK (Kemampuan Akhir Yang Diharapkan) Penilaian Bentuk Pembelajaran, Metode Pembelajaran, Penugasan Mahasiswa
[Estimasi Waktu]
Materi Pembelajaran
[Rujukan]
Bobot Penilaian
(%)
Indikator Teknik & Kriteria Luring (Tatap Muka) Daring (Online)
- - - - - - - 0
UTS
UAS