RPS - Regresi Non Parametrik

	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
Regresi Non Parametrik		STA.62.0028	-	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-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	Menganalisis konsep-konsep dasar regresi dan regresi nonparametrik melalui kinerja mandiri, bermutu dan terukur
	CPMK 2	Menelaah model-model nonparametrik
	CPMK 3	Menerapkan metode pada data real dan mampu mengolah data menggunakan perangkat lunak statistika
	CPMK 4	Mahasiswa mampu menganalisis karakteristik data dan memformulasikan metode regresi nonparametrik yang sesuai dengan permasalahan nyata
	CPMK 5	Mahasiswa mampu menjelaskan konsep dasar regresi parametrik, semiparametrik, dan nonparametrik, serta membedakan regresi polinomial sebagai pengantar model fleksibel
	CPMK 6	Mahasiswa mampu menerapkan regresi kernel dan regresi polinomial lokal pada data nyata menggunakan software statistik.
	CPMK 7	Mahasiswa mampu menerapkan regresi spline, regresi MARS, dan regresi deret Fourier pada data nyata menggunakan software statistik.
	CPMK 8	Mahasiswa mampu mengevaluasi model terbaik serta menyusun dan mengomunikasikan hasil analisis regresi nonparametrik secara tertulis maupun lisan.
	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 ini bertujuan agar mahasiswa mampu memahami konsep dasar analisis regresi, perbedaan pendekatan regresi parametrik, semiparametrik, dan nonparametrik, serta prinsip penggunaan metode regresi fleksibel ketika bentuk hubungan antarvariabel tidak dapat ditentukan secara pasti sejak awal. Materi yang dibahas meliputi regresi polinomial sebagai pengantar model fleksibel, regresi kernel, regresi polinomial lokal, regresi spline, Multivariate Adaptive Regression Splines (MARS), dan regresi deret Fourier. Melalui mata kuliah ini, mahasiswa diharapkan mampu mengidentifikasi karakteristik data, memilih metode regresi nonparametrik yang sesuai, serta menerapkannya pada data nyata dengan bantuan software statistik. Selain itu, mahasiswa juga dilatih untuk mengevaluasi dan membandingkan beberapa model berdasarkan ukuran ketepatan model, menginterpretasikan hasil analisis, serta menyajikan dan mengomunikasikan hasilnya secara sistematis, baik secara tertulis maupun lisan.

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