|
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 | ||
| Model Linear Tergeneralisasi | IAK.62.0024 | - | 1 | 2 | 5 | - | |
| OTORISASI / PENGESAHAN | Dosen Pengembang RPS | Koordinator RMK | Koordinator Prodi | ||||
| - | - | - | - | ||||
| Capaian Pembelajaran |
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-3 | Mampu untuk berfikir logis, kritis dan inovatif dalam mengidentifikasi, menganalisis serta memberikan solusi terhadap permasalahan yang sesuai dengan bidang keilmuan dan penguasaan teknologi | |
| CPL-4 | Mampu menerapkan konsep teoritis sains dasar, matematika, peluang, dan statistika | |
| CPL-7 | Mampu mengembangkan diri lebih lanjut dan atau beradaptasi, baik dalam bidang ilmu aktuaria maupun bidang lainnya yang relevan, termasuk bidang yang akan digeluti dalam dunia kerjanya kelak. | |
| Capaian Pembelajaran Mata Kuliah (CPMK) | ||
| CPMK 1 | Kemampuan Mengestimasi dan Menguji Model-Model Linear Tergeneralisasi. | |
| CPMK 2 | Penerapan Metode-Metode Lanjutan dalam Analisis Data | |
| CPMK 3 | .Mampu menggunakan perangkat lunak statistik untuk mengolah data, membangun model, dan mengevaluasi hasil dalam rangka mendukung pengambilan keputusan aktuaria. | |
| CPMK 4 | Memahami konsep dasar GLM dan distribusi eksponensial. | |
| CPMK 5 | Mengaplikasikan GLM pada data dengan berbagai fungsi link. | |
| CPMK 6 | Melakukan evaluasi model, diagnostic checking, dan interpretasi. | |
| CPMK 7 | Mengaplikasikan GLM untuk pemodelan aktuaria (frekuensi, severity, tarif). | |
| Kemampuan akhir tiap tahapan belajar (Sub-CPMK) | ||
| SUB CPMK | - | |
| Matriks CPL ke CPMK |
|
| Deskripsi Singkat Mata Kuliah |
Estimasi and uji pada model-model linear tergeneralisasi, termasuk di dalamnya analisis residual dan penggunaan statistical packages. Regresi logistik, model log-linear. Persamaan estimasi tergeneralisas, quasi-likelihood dan model aditif tergeneralisasi. |
| Pustaka | Utama: |
| - | |
|
Pendukung: (Jika diperlukan)
-
|
|
| Dosen Pengampu |
- |
| Mata kuliah syarat |
- |
| 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 | |||||||