RPS - Metode Resampling

	KEMENTERIAN PENDIDIKAN TINGGI, SAINS, DAN TEKNOLOGI UNIVERSITAS NEGERI PADANG – FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM – PROGRAM STUDI STATISTIKA (S1)
	RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK)		KODE	Rumpun MK	BOBOT (sks)		SEMESTER	Tgl Penyusunan
Metode Resampling		STA.62.0027	-	1	2	6	-
OTORISASI / PENGESAHAN		Dosen Pengembang RPS		Koordinator RMK		Koordinator Prodi
-		-		-		-

Capaian Pembelajaran	CPL-PRODI yang dibebankan pada MK
	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-5	Menguasai pengetahuan di bidang komputasi statistika yang tepat untuk analisis data (Technology skills)
	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).
	CPL-9	Mampu menyelesaikan, menyajikan, dan mengkomunikasikan hasil analisis permasalahan nyata menggunakan statistika secara tertulis maupun lisan dengan jelas serta mudah dipahami (Problem solving skills/ Communication skills).
	Capaian Pembelajaran Mata Kuliah (CPMK)
	CPMK 1	Menguasai konsep dasar metode resampling yang dapat diaplikasikan pada bidang pendidikan, pemerintahan, ekonomi, dan lingkungan .
	CPMK 2	Mampu memformulasikan masalah pada bidang pendidikan, pemerintahan, bisnis-ekonomi, dan lingkungan dengan menggunakan metode resampling.
	CPMK 3	Mampu melakukan analisis data menggunakan metode resampling dengan bantuan perangkat lunak.
	CPMK 4	Mampu menyelesaikan permasalahan nyata dengan menggunakan metode resampling dan mampu menyajikan serta mengkomunikasikan dalam bentuk yang mudah dipahami baik secara tertulis maupun lisan.
	CPMK 5	Mahasiswa mampu menjelaskan konsep dasar metode resampling, distribusi sampling, prinsip plug-in, bootstrap, jackknife, dan peran komputasi dalam inferensia statistik
	CPMK 6	Mahasiswa mampu menerapkan metode bootstrap untuk menduga standard error suatu penduga statistik dan menafsirkan hasilnya dalam konteks ketidakpastian estimasi.
	CPMK 7	Mahasiswa mampu menerapkan metode jackknife untuk menduga standard error dan membandingkan hasilnya dengan penduga standard error bootstrap.
	CPMK 8	Mahasiswa mampu menghitung dan menafsirkan penduga bias menggunakan metode bootstrap dan jackknife untuk berbagai statistik sampel.
	CPMK 9	Mahasiswa mampu membangun dan menafsirkan selang kepercayaan bootstrap, termasuk pendekatan percentile, basic, dan/atau bootstrap-t secara pengantar.
	CPMK 10	Mahasiswa mampu melakukan pengujian hipotesis berbasis bootstrap dan menafsirkan distribusi bootstrap, nilai p, serta keputusan pengujian.
	CPMK 11	Mahasiswa mampu menduga laju galat atau kesalahan prediksi menggunakan hold-out, cross-validation, dan bootstrap serta membandingkan kelebihan dan keterbatasannya.
	CPMK 12	Mahasiswa mampu menggunakan perangkat lunak statistika untuk merancang, menjalankan, memvisualisasikan, dan melaporkan prosedur resampling secara reproducible.
	Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
	SUB CPMK	-

Matriks CPL
ke CPMK

	CPL-3	CPL-4	CPL-5	CPL-6	Total
CPMK/Sub CPMK	-	-	-	-	-
CPMK/Sub CPMK	-	-	-	-	-

Deskripsi
Singkat Mata
Kuliah

Mata kuliah Metode Resampling membahas prinsip dan penerapan metode pengambilan sampel ulang dalam inferensia statistik. Materi mencakup distribusi sampling, prinsip plug-in, bootstrap, jackknife, pendugaan standard error, pendugaan bias, selang kepercayaan bootstrap, pengujian hipotesis bootstrap, serta pendugaan laju galat menggunakan hold-out, cross-validation, dan bootstrap. Mata kuliah ini menekankan pemahaman konseptual dan implementasi komputasional menggunakan perangkat lunak statistika sehingga mahasiswa mampu melakukan inferensia berbasis resampling dan mengevaluasi ketidakpastian penduga maupun galat prediksi secara tepat.

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 (%)
Minggu Ke-	SUB-CPMK (Kemampuan Akhir Yang Diharapkan)	Indikator	Teknik & Kriteria	Luring (Tatap Muka)	Daring (Online)	Materi Pembelajaran [Rujukan]	Bobot Penilaian (%)
-	-	-	-	-	-	-	0
	UTS
	UAS