Mata Kuliah Pengantar Model Linier

Mata kuliah Pengantar Model Linier pada Statistika (S1) membekali mahasiswa dengan landasan konseptual dan keterampilan terapan untuk menganalisis persoalan akademik maupun profesional. Perkuliahan dirancang melalui ceramah interaktif, studi kasus, diskusi kelompok, serta refleksi mandiri agar mahasiswa mampu mengambil keputusan berbasis data dan etika keilmuan.

• CPL-3 - Mampu berpikir logis, kritis dan inovatif dalam mengidentifikasi, menganalisis dan memberikan solusi terhadap permasalahan yang sesuai dengan bidang keahlian (Critical thinking).
• CPL-4 - Menguasai konsep dasar keilmuan statistika dan metode-metode analisis statistika yang dapat diaplikasikan pada bidang pendidikan, pemerintahan, ekonomi, dan lingkungan (Scientific skill).
• CPL-6 - Mampu memformulasikan masalah menggunakan model-model statistika yang sesuai pada bidang pendidikan, pemerintahan, bisnis-ekonomi, dan lingkungan (Computation skills).
• CPL-8 - Mampu melakukan manajemen dan analisis data menggunakan teknik-teknik statistika dengan bantuan perangkat lunak (Collaboration digital skills).

• CPMK-1 - Menguasai konsep dasar model linear dan aljabar matriks sebagai dasar dalam mengkonstruksi pendugaan parameter dan pengujian hipotesis
• CPMK-2 - Mampu memformulasikan masalah pada bidang pendidikan, pemerintahan, bisnis-ekonomi, dan lingkungan dengan menggunakan model linear.
• CPMK-3 - Mampu melakukan manajemen dan analisis data menggunakan model linear dengan bantuan perangkat lunak.
• CPMK-4 - Mampu menyelesaikan permasalahan nyata dengan menggunakan model linear dan mampu menyajikan serta mengkomunikasikan dalam bentuk yang mudah dipahami baik secara tertulis maupun lisan.
• CPMK-5 - -
• CPMK-6 - Mahasiswa mampu menjelaskan konsep model linear klasik sebagai pendalaman dari analisis regresi dan sebagai dasar untuk memodelkan hubungan antara variabel respon dan prediktor.
• CPMK-7 - Mahasiswa mampu memformulasikan model linear dalam bentuk matriks, meliputi vektor respon, matriks desain, parameter, galat, fitted value, residual, rank model, dan model full-rank.
• CPMK-8 - Mahasiswa mampu menerapkan estimasi kuadrat terkecil dan menjelaskan persamaan normal, fitted value, residual, projection matrix, residual maker matrix, estimasi ragam galat, serta sifat dasar penduga least squares pada model full-rank.
• CPMK-9 - Mahasiswa mampu melakukan inferensi parameter dan pengujian hipotesis linear umum pada model linear, termasuk uji t, uji F, interval kepercayaan, interval prediksi, dan general linear hypothesis.
• CPMK-10 - Mahasiswa mampu membandingkan dan mengevaluasi model linear melalui dekomposisi jumlah kuadrat, ANOVA regresi, model nested, partial F-test, kontras parameter, dan diagnostik dasar model.
• CPMK-11 - Mahasiswa mampu menggunakan perangkat lunak statistika untuk mengestimasi, menguji, membandingkan, mendiagnostik, dan menginterpretasikan model linear berbasis data.
• CPMK-12 - Mahasiswa mampu menjelaskan konsep model linear klasik sebagai pendalaman dari analisis regresi dan sebagai dasar untuk memodelkan hubungan antara variabel respon dan prediktor.
• CPMK-13 - Mahasiswa mampu memformulasikan model linear dalam bentuk matriks, meliputi vektor respon, matriks desain, parameter, galat, fitted value, residual, rank model, dan model full-rank.
• CPMK-14 - Mahasiswa mampu menerapkan estimasi kuadrat terkecil dan menjelaskan persamaan normal, fitted value, residual, projection matrix, residual maker matrix, estimasi ragam galat, serta sifat dasar penduga least squares pada model full-rank.
• CPMK-15 - Mahasiswa mampu melakukan inferensi parameter dan pengujian hipotesis linear umum pada model linear, termasuk uji t, uji F, interval kepercayaan, interval prediksi, dan general linear hypothesis.
• CPMK-16 - Mahasiswa mampu membandingkan dan mengevaluasi model linear melalui dekomposisi jumlah kuadrat, ANOVA regresi, model nested, partial F-test, kontras parameter, dan diagnostik dasar model.
• CPMK-17 - Mahasiswa mampu menggunakan perangkat lunak statistika untuk mengestimasi, menguji, membandingkan, mendiagnostik, dan menginterpretasikan model linear berbasis data.
• CPMK-18 - Mahasiswa mampu menjelaskan konsep model linear klasik sebagai pendalaman dari analisis regresi dan sebagai dasar untuk memodelkan hubungan antara variabel respon dan prediktor.
• CPMK-19 - Mahasiswa mampu memformulasikan model linear dalam bentuk matriks, meliputi vektor respon, matriks desain, parameter, galat, fitted value, residual, rank model, dan model full-rank.
• CPMK-20 - Mahasiswa mampu menerapkan estimasi kuadrat terkecil dan menjelaskan persamaan normal, fitted value, residual, projection matrix, residual maker matrix, estimasi ragam galat, serta sifat dasar penduga least squares pada model full-rank.
• CPMK-21 - Mahasiswa mampu melakukan inferensi parameter dan pengujian hipotesis linear umum pada model linear, termasuk uji t, uji F, interval kepercayaan, interval prediksi, dan general linear hypothesis.
• CPMK-22 - Mahasiswa mampu membandingkan dan mengevaluasi model linear melalui dekomposisi jumlah kuadrat, ANOVA regresi, model nested, partial F-test, kontras parameter, dan diagnostik dasar model.
• CPMK-23 - Mahasiswa mampu menggunakan perangkat lunak statistika untuk mengestimasi, menguji, membandingkan, mendiagnostik, dan menginterpretasikan model linear berbasis data.
• CPMK-24 - Mahasiswa mampu menerapkan estimasi kuadrat terkecil dan menjelaskan persamaan normal, fitted value, residual, projection matrix, residual maker matrix, estimasi ragam galat, serta sifat dasar penduga least squares pada model full-rank.
• CPMK-25 - Mahasiswa mampu melakukan inferensi parameter dan pengujian hipotesis linear umum pada model linear, termasuk uji t, uji F, interval kepercayaan, interval prediksi, dan general linear hypothesis.
• CPMK-26 - Mahasiswa mampu membandingkan dan mengevaluasi model linear melalui dekomposisi jumlah kuadrat, ANOVA regresi, model nested, partial F-test, kontras parameter, dan diagnostik dasar model.
• CPMK-27 - Mahasiswa mampu menggunakan perangkat lunak statistika untuk mengestimasi, menguji, membandingkan, mendiagnostik, dan menginterpretasikan model linear berbasis data.