Logo UNP
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 Lanjutan STA.62.0101 - 1 2 5 -
OTORISASI / PENGESAHAN Dosen Pengembang RPS Koordinator RMK Koordinator Prodi
- - - Dr. Yenni Kurniawati S.Si., M.Si.
CPL-PRODI yang dibebankan pada MK
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).
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK 1 -
CPMK 2 Mahasiswa mampu menjelaskan konsep, ruang lingkup, dan kedudukan regresi lanjutan sebagai perluasan regresi linear untuk pemodelan data nyata
CPMK 3 Mahasiswa mampu melakukan diagnostik model regresi, mengidentifikasi pelanggaran asumsi, serta menentukan strategi perbaikan model yang sesuai
CPMK 4 Mahasiswa mampu memformulasikan dan memilih model regresi lanjutan untuk menangani multikolinearitas, pemilihan variabel, hubungan nonlinier, serta karakteristik data khusus.
CPMK 5 Mahasiswa mampu menyusun laporan analisis regresi lanjutan berbasis studi kasus secara sistematis, argumentatif, dan sesuai kaidah ilmiah
CPMK 6 Mahasiswa mampu menerapkan teknik regresi lanjutan menggunakan perangkat lunak statistik dan menginterpretasikan hasil analisis secara tepat.
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
SUB CPMK -
CPL-4 CPL-6 CPL-8 dst Total
CPMK/Sub CPMK - - - - -
CPMK/Sub CPMK - - - - -
Mata kuliah Regresi Lanjutan membahas perluasan model regresi linear untuk menangani permasalahan yang sering muncul pada data nyata, seperti pelanggaran asumsi model, multikolinearitas, pencilan, heteroskedastisitas, hubungan nonlinier, serta kebutuhan pemilihan dan validasi model. Materi mencakup diagnostik model, transformasi variabel, pemilihan variabel, regularisasi, regresi robust, regresi dengan pembobotan, regresi nonlinier sederhana, spline/GAM sebagai pengantar, dan regresi kuantil. Penekanan mata kuliah ini adalah kemampuan memilih model yang sesuai, menganalisis data menggunakan perangkat lunak statistik, dan menginterpretasikan hasil regresi secara ilmiah.
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