Komputasi Statistik, Curriculum : 2015


Courser in EnglishCOMPUTATIONAL STATISTICS
ProgramPendidikan Matematika
SKS2 SKS
RPS28 Data

RPS (Rencanan Perkuliahan Semester)

Course Descriptions

Mata kuliah Komputasi Statistik adalah matakuliah wajib dengan bobot 2 sks yang secara umum bertujuan agar mahasiswa mampu menyajikan, menganalis, membaca out put data, mengambil keputusan dan menyimpulkan hasil dari analisis suatu data. Secara khusus, setelah menempuh mata kuliah ini, mahasiswa diharapkan mampu menguasai bagaiman cara mengolah data statistik melalui software spss, mulai dari cara pengoperasikan SPSS, deskripsi data, input data, Statistika Deskriptif yang terdiri dari tabel, diagram, ukuran, Statistika inferensial yang terdiri dari Komparasi: uji asumsi klasik (uji normalitas distribusi, uji homogentias variansi), uji t 1 sampel, uji t 2 sampel independen, uji t 2 sampel berpasangan, anava 1 jalan, anava 2 jalan, uji pasca anava, Korelasi: asumsi (uji normalitas residu, uji homoskedastisitas, uji linieritas, uji multikolinieritas (berganda), uji autokorelasi (data time series)), regresi dan korelasi linier sederhana, regresi dan korelasi linier berganda. Metode perkuliahan yang digunakan selain diskusi dan pemberian tugas, perkuliahan ini akan lebih banyak memberikan kesempatan kepada mahasiswa untuk praktikum. Luaran mata kuliah berupa laporan hasil praktikum pada setiap pertemuan, penilaian proses dilakukan pada saat mahasiswa melakukan praktikum SPSS.

Learning Outcomes

CAPAIAN PEMBELAJARAN

CPL Prodi yang dibebankan pada MK

 

 

 

Sikap (S)

S3.  Berkontribusi dalam peningkatan mutu kehidupan bermasyarakat, berbangsa, bernegara dan  

        peradaban berdasarkan Pancasila

S6.  Bekerja sama dan memiliki kepekaan sosial serta kepedulian terhadap masyarakat dan

        lingkungan

S9.   Menunjukkan sikap bertanggungjawab atas pekerjaannya secara mandiri

S10. Menginternalisasi semangat kemandirian, kejuangan, dan kewirausahaan

Pengetahuan (P)

P1.  Menguasai konsep teoretis pengetahuan matematika (kalkulus, geometri, aljabar, statistika,matematika terapan, analisis) yang menginternalisasi nilai-nilai Pancasila sesuai dengan lingkup tugasnya

P5.  Menguasai pengetahuan faktual tentang fungsi dan manfaat  IT yang relevan untuk pengembangan mutu pendidikan

Ketrampilan Umum (KU)

KU1.   Menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan matematika dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang matematika

KU2.   Menunjukkan kinerja mandiri, bermutu, dan terukur dalam mengembangkan instrumen untuk mengidentifikasi karakteristik peserta didik dari aspek fisik, psikologis, sosial, dan kultural demi tercapainya tujuan pembelajaran

KU5.  Mampu mengkaji pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai-nilai Pancasila sesuai dengan keahliannya berdasarkan kaidah, tata cara dan etika ilmiah dalam rangka menghasilkan solusi, gagasan atau desain pemecahan masalah

KU6.   Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil analisis informasi dan data

Ketrampilan Khusus (KK)

KK9.   Menciptakan, mengelola dan mengembangkan usaha kreatif berbasis IT dengan menginternalisasi semangat kemandirian, daya juang dan kerja keras.

CPMK

 

Setelah menempuh mata kuliah Komputasi Statistik melalui pembelajaran mandiri maupun kolaboratif, mahasiswa diharapkan mampu:

CPMK1

Mahasiswa mampu menyelesaikan berbagai permasalahan dalam pembelajaran matematika dan memecahkan masalah dalam kehidupan sehari hari yang terkait dengan proses analisis data melalui sofware SPSS (S3, S6, P1, KU5)

CPMK2

Mahasiswa mampu menyajikan, menganalis, membaca out put data, mengambil keputusan dan menyimpulkan hasil dari analisis suatu data (P5, KU1)

CPMK3

Mahasiswa dapat melakukan praktikum secara mandiri dan bertanggung jawab terhadap tugas nya masing-masing (S9, KU2)

CPMK4

Mahasiswa dapat melakukan analisis data statistik menggunakan software spss dan dapat mengaplikasikannya untuk kepentingan penelitian (S10, KU6, KK9)

References

Pustaka

Utama

 

  1. Agung H dan Sudargo. 2013.”Buku petunjuk praktikum komputasi spss”. Semarang: IKIP PGRI smg press.
  2. Alistair W Kerr. 2002. “Doing Statistic with SPSS”. Sega publication ltd: London.

Pendukung

 

  1. Singgih Santoso. 2017. Menguasai Statistik dengan SPSS 24. PT Elex Media Komputindo.
  2. Sumber lain yang relevan bisa dari buku lain atau dari internet.


Details ...
Course Descriptions

Mata kuliah Komputasi Statistik adalah matakuliah wajib dengan bobot 2 sks yang secara umum bertujuan agar mahasiswa mampu menyajikan, menganalis, membaca out put data, mengambil keputusan dan menyimpulkan hasil dari analisis suatu data. Secara khusus, setelah menempuh mata kuliah ini, mahasiswa diharapkan mampu menguasai bagaiman cara mengolah data statistik melalui software spss, mulai dari cara pengoperasikan SPSS, deskripsi data, input data, Statistika Deskriptif yang terdiri dari tabel, diagram, ukuran, Statistika inferensial yang terdiri dari Komparasi: uji asumsi klasik (uji normalitas distribusi, uji homogentias variansi), uji t 1 sampel, uji t 2 sampel independen, uji t 2 sampel berpasangan, anava 1 jalan, anava 2 jalan, uji pasca anava, Korelasi: asumsi (uji normalitas residu, uji homoskedastisitas, uji linieritas, uji multikolinieritas (berganda), uji autokorelasi (data time series)), regresi dan korelasi linier sederhana, regresi dan korelasi linier berganda. Metode perkuliahan yang digunakan selain diskusi dan pemberian tugas, perkuliahan ini akan lebih banyak memberikan kesempatan kepada mahasiswa untuk praktikum. Luaran mata kuliah berupa laporan hasil praktikum pada setiap pertemuan, penilaian proses dilakukan pada saat mahasiswa melakukan praktikum SPSS.

Learning Outcomes

CAPAIAN PEMBELAJARAN

CPL Prodi yang dibebankan pada MK

 

 

 

Sikap (S)

S3.  Berkontribusi dalam peningkatan mutu kehidupan bermasyarakat, berbangsa, bernegara dan  

        peradaban berdasarkan Pancasila

S6.  Bekerja sama dan memiliki kepekaan sosial serta kepedulian terhadap masyarakat dan

        lingkungan

S9.   Menunjukkan sikap bertanggungjawab atas pekerjaannya secara mandiri

S10. Menginternalisasi semangat kemandirian, kejuangan, dan kewirausahaan

Pengetahuan (P)

P1.  Menguasai konsep teoretis pengetahuan matematika (kalkulus, geometri, aljabar, statistika,matematika terapan, analisis) yang menginternalisasi nilai-nilai Pancasila sesuai dengan lingkup tugasnya

P5.  Menguasai pengetahuan faktual tentang fungsi dan manfaat  IT yang relevan untuk pengembangan mutu pendidikan

Ketrampilan Umum (KU)

KU1.   Menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan matematika dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang matematika

KU2.   Menunjukkan kinerja mandiri, bermutu, dan terukur dalam mengembangkan instrumen untuk mengidentifikasi karakteristik peserta didik dari aspek fisik, psikologis, sosial, dan kultural demi tercapainya tujuan pembelajaran

KU5.  Mampu mengkaji pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai-nilai Pancasila sesuai dengan keahliannya berdasarkan kaidah, tata cara dan etika ilmiah dalam rangka menghasilkan solusi, gagasan atau desain pemecahan masalah

KU6.   Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil analisis informasi dan data

Ketrampilan Khusus (KK)

KK9.   Menciptakan, mengelola dan mengembangkan usaha kreatif berbasis IT dengan menginternalisasi semangat kemandirian, daya juang dan kerja keras.

CPMK

 

Setelah menempuh mata kuliah Komputasi Statistik melalui pembelajaran mandiri maupun kolaboratif, mahasiswa diharapkan mampu:

CPMK1

Mahasiswa mampu menyelesaikan berbagai permasalahan dalam pembelajaran matematika dan memecahkan masalah dalam kehidupan sehari hari yang terkait dengan proses analisis data melalui sofware SPSS (S3, S6, P1, KU5)

CPMK2

Mahasiswa mampu menyajikan, menganalis, membaca out put data, mengambil keputusan dan menyimpulkan hasil dari analisis suatu data (P5, KU1)

CPMK3

Mahasiswa dapat melakukan praktikum secara mandiri dan bertanggung jawab terhadap tugas nya masing-masing (S9, KU2)

CPMK4

Mahasiswa dapat melakukan analisis data statistik menggunakan software spss dan dapat mengaplikasikannya untuk kepentingan penelitian (S10, KU6, KK9)

References

Pustaka

Utama

 

  1. Agung H dan Sudargo. 2013.”Buku petunjuk praktikum komputasi spss”. Semarang: IKIP PGRI smg press.
  2. Alistair W Kerr. 2002. “Doing Statistic with SPSS”. Sega publication ltd: London.

Pendukung

 

  1. Singgih Santoso. 2017. Menguasai Statistik dengan SPSS 24. PT Elex Media Komputindo.
  2. Sumber lain yang relevan bisa dari buku lain atau dari internet.


Details ...
Course Descriptions

Mata kuliah Komputasi Statistik adalah matakuliah wajib dengan bobot 2 sks yang secara umum bertujuan agar mahasiswa mampu menyajikan, menganalis, membaca out put data, mengambil keputusan dan menyimpulkan hasil dari analisis suatu data. Secara khusus, setelah menempuh mata kuliah ini, mahasiswa diharapkan mampu menguasai bagaiman cara mengolah data statistik melalui software spss, mulai dari cara pengoperasikan SPSS, deskripsi data, input data, Statistika Deskriptif yang terdiri dari tabel, diagram, ukuran, Statistika inferensial yang terdiri dari Komparasi: uji asumsi klasik (uji normalitas distribusi, uji homogentias variansi), uji t 1 sampel, uji t 2 sampel independen, uji t 2 sampel berpasangan, anava 1 jalan, anava 2 jalan, uji pasca anava, Korelasi: asumsi (uji normalitas residu, uji homoskedastisitas, uji linieritas, uji multikolinieritas (berganda), uji autokorelasi (data time series)), regresi dan korelasi linier sederhana, regresi dan korelasi linier berganda. Metode perkuliahan yang digunakan selain diskusi dan pemberian tugas, perkuliahan ini akan lebih banyak memberikan kesempatan kepada mahasiswa untuk praktikum. Luaran mata kuliah berupa laporan hasil praktikum pada setiap pertemuan, penilaian proses dilakukan pada saat mahasiswa melakukan praktikum SPSS.

Learning Outcomes

CAPAIAN PEMBELAJARAN

CPL Prodi yang dibebankan pada MK

 

 

 

Sikap (S)

S3.  Berkontribusi dalam peningkatan mutu kehidupan bermasyarakat, berbangsa, bernegara dan  

        peradaban berdasarkan Pancasila

S6.  Bekerja sama dan memiliki kepekaan sosial serta kepedulian terhadap masyarakat dan

        lingkungan

S9.   Menunjukkan sikap bertanggungjawab atas pekerjaannya secara mandiri

S10. Menginternalisasi semangat kemandirian, kejuangan, dan kewirausahaan

Pengetahuan (P)

P1.  Menguasai konsep teoretis pengetahuan matematika (kalkulus, geometri, aljabar, statistika,matematika terapan, analisis) yang menginternalisasi nilai-nilai Pancasila sesuai dengan lingkup tugasnya

P5.  Menguasai pengetahuan faktual tentang fungsi dan manfaat  IT yang relevan untuk pengembangan mutu pendidikan

Ketrampilan Umum (KU)

KU1.   Menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan matematika dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang matematika

KU2.   Menunjukkan kinerja mandiri, bermutu, dan terukur dalam mengembangkan instrumen untuk mengidentifikasi karakteristik peserta didik dari aspek fisik, psikologis, sosial, dan kultural demi tercapainya tujuan pembelajaran

KU5.  Mampu mengkaji pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai-nilai Pancasila sesuai dengan keahliannya berdasarkan kaidah, tata cara dan etika ilmiah dalam rangka menghasilkan solusi, gagasan atau desain pemecahan masalah

KU6.   Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil analisis informasi dan data

Ketrampilan Khusus (KK)

KK9.   Menciptakan, mengelola dan mengembangkan usaha kreatif berbasis IT dengan menginternalisasi semangat kemandirian, daya juang dan kerja keras.

CPMK

 

Setelah menempuh mata kuliah Komputasi Statistik melalui pembelajaran mandiri maupun kolaboratif, mahasiswa diharapkan mampu:

CPMK1

Mahasiswa mampu menyelesaikan berbagai permasalahan dalam pembelajaran matematika dan memecahkan masalah dalam kehidupan sehari hari yang terkait dengan proses analisis data melalui sofware SPSS (S3, S6, P1, KU5)

CPMK2

Mahasiswa mampu menyajikan, menganalis, membaca out put data, mengambil keputusan dan menyimpulkan hasil dari analisis suatu data (P5, KU1)

CPMK3

Mahasiswa dapat melakukan praktikum secara mandiri dan bertanggung jawab terhadap tugas nya masing-masing (S9, KU2)

CPMK4

Mahasiswa dapat melakukan analisis data statistik menggunakan software spss dan dapat mengaplikasikannya untuk kepentingan penelitian (S10, KU6, KK9)

References

Pustaka

Utama

 

  1. Agung H dan Sudargo. 2013.”Buku petunjuk praktikum komputasi spss”. Semarang: IKIP PGRI smg press.
  2. Alistair W Kerr. 2002. “Doing Statistic with SPSS”. Sega publication ltd: London.

Pendukung

 

  1. Singgih Santoso. 2017. Menguasai Statistik dengan SPSS 24. PT Elex Media Komputindo.
  2. Sumber lain yang relevan bisa dari buku lain atau dari internet.


Details ...
Course Descriptions

Mata kuliah Komputasi Statistik adalah matakuliah wajib dengan bobot 2 sks yang secara umum bertujuan agar mahasiswa mampu menyajikan, menganalis, membaca out put data, mengambil keputusan dan menyimpulkan hasil dari analisis suatu data. Secara khusus, setelah menempuh mata kuliah ini, mahasiswa diharapkan mampu menguasai bagaiman cara mengolah data statistik melalui software spss, mulai dari cara pengoperasikan SPSS, deskripsi data, input data, Statistika Deskriptif yang terdiri dari tabel, diagram, ukuran, Statistika inferensial yang terdiri dari Komparasi: uji asumsi klasik (uji normalitas distribusi, uji homogentias variansi), uji t 1 sampel, uji t 2 sampel independen, uji t 2 sampel berpasangan, anava 1 jalan, anava 2 jalan, uji pasca anava, Korelasi: asumsi (uji normalitas residu, uji homoskedastisitas, uji linieritas, uji multikolinieritas (berganda), uji autokorelasi (data time series)), regresi dan korelasi linier sederhana, regresi dan korelasi linier berganda. Metode perkuliahan yang digunakan selain diskusi dan pemberian tugas, perkuliahan ini akan lebih banyak memberikan kesempatan kepada mahasiswa untuk praktikum. Luaran mata kuliah berupa laporan hasil praktikum pada setiap pertemuan, penilaian proses dilakukan pada saat mahasiswa melakukan praktikum SPSS.

Learning Outcomes

CAPAIAN PEMBELAJARAN

CPL Prodi yang dibebankan pada MK

 

 

 

Sikap (S)

S3.  Berkontribusi dalam peningkatan mutu kehidupan bermasyarakat, berbangsa, bernegara dan  

        peradaban berdasarkan Pancasila

S6.  Bekerja sama dan memiliki kepekaan sosial serta kepedulian terhadap masyarakat dan

        lingkungan

S9.   Menunjukkan sikap bertanggungjawab atas pekerjaannya secara mandiri

S10. Menginternalisasi semangat kemandirian, kejuangan, dan kewirausahaan

Pengetahuan (P)

P1.  Menguasai konsep teoretis pengetahuan matematika (kalkulus, geometri, aljabar, statistika,matematika terapan, analisis) yang menginternalisasi nilai-nilai Pancasila sesuai dengan lingkup tugasnya

P5.  Menguasai pengetahuan faktual tentang fungsi dan manfaat  IT yang relevan untuk pengembangan mutu pendidikan

Ketrampilan Umum (KU)

KU1.   Menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan matematika dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang matematika

KU2.   Menunjukkan kinerja mandiri, bermutu, dan terukur dalam mengembangkan instrumen untuk mengidentifikasi karakteristik peserta didik dari aspek fisik, psikologis, sosial, dan kultural demi tercapainya tujuan pembelajaran

KU5.  Mampu mengkaji pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai-nilai Pancasila sesuai dengan keahliannya berdasarkan kaidah, tata cara dan etika ilmiah dalam rangka menghasilkan solusi, gagasan atau desain pemecahan masalah

KU6.   Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil analisis informasi dan data

Ketrampilan Khusus (KK)

KK9.   Menciptakan, mengelola dan mengembangkan usaha kreatif berbasis IT dengan menginternalisasi semangat kemandirian, daya juang dan kerja keras.

CPMK

 

Setelah menempuh mata kuliah Komputasi Statistik melalui pembelajaran mandiri maupun kolaboratif, mahasiswa diharapkan mampu:

CPMK1

Mahasiswa mampu menyelesaikan berbagai permasalahan dalam pembelajaran matematika dan memecahkan masalah dalam kehidupan sehari hari yang terkait dengan proses analisis data melalui sofware SPSS (S3, S6, P1, KU5)

CPMK2

Mahasiswa mampu menyajikan, menganalis, membaca out put data, mengambil keputusan dan menyimpulkan hasil dari analisis suatu data (P5, KU1)

CPMK3

Mahasiswa dapat melakukan praktikum secara mandiri dan bertanggung jawab terhadap tugas nya masing-masing (S9, KU2)

CPMK4

Mahasiswa dapat melakukan analisis data statistik menggunakan software spss dan dapat mengaplikasikannya untuk kepentingan penelitian (S10, KU6, KK9)

References

Pustaka

Utama

 

  1. Agung H dan Sudargo. 2013.”Buku petunjuk praktikum komputasi spss”. Semarang: IKIP PGRI smg press.
  2. Alistair W Kerr. 2002. “Doing Statistic with SPSS”. Sega publication ltd: London.

Pendukung

 

  1. Singgih Santoso. 2017. Menguasai Statistik dengan SPSS 24. PT Elex Media Komputindo.
  2. Sumber lain yang relevan bisa dari buku lain atau dari internet.


Details ...
Course Descriptions

Mata kuliah ini berisi tentang teknik pengolahan data kuantitatif melalui software SPSS, mulai dari cara pengoperasian SPSS, deskripsi data dengan tabel dan diagram, uji beda rerata, serta regresi dan korelasi linier. Pada materi uji beda rerata dipelajari uji asumsi klasik meliputi uji normalitas distribusi dan uji homogenitas variansi, uji t satu sampel, uji t dua sampel independen, uji t dua sampel berpasangan, analisis variansi satu jalan, analisis variansi dua jalan, serta uji pasca analisis variansi dengan menggunakan SPSS. Pada uji regresi dan korelasi dipelajari uji asumsi klasik meliputi uji normalitas residu, uji homoskedastisitas, uji linieritas, uji multikolinieritas, uji independensi (autokorelasi), korelasi dan regresi linier sederhana dan ganda dengan menggunakan SPSS.

Learning Outcomes

  1. Mahasiswa mampu mengambil keputusan dari berbagai persoalan dalam pembelajaran matematika berdasarkan data yang relevan.
  2. Mahasiswa mampu memanfaatkan teknologi informasi dan komunikasi untuk pembelajaran dan penelitian pendidikan Matematika.
  3. Mahasiswa mampu menguasai materi, struktur, konsep, dan pola pikir keilmuan matematika untuk menunjang penelitian.
  4. Mahasiswa mampu memanfaatkan teknologi informasi dan komunikasi untuk mengembangkan diri sebagai pendidik matematika dan peneliti bidang pendidikan matematika.

References

Andy, F. (2009). Discovering Statistics Using SPSS. London: SAGE Publication.

Ho, R. (2006). Handbook of univariate and multivariate data analysis and interpretation with SPSS. Florida: Chapman & Hall/CRC.


Details ...
Course Descriptions

Mata kuliah ini berisi tentang teknik pengolahan data kuantitatif melalui software SPSS, mulai dari cara pengoperasian SPSS, deskripsi data dengan tabel dan diagram, uji beda rerata, serta regresi dan korelasi linier. Pada materi uji beda rerata dipelajari uji asumsi klasik meliputi uji normalitas distribusi dan uji homogenitas variansi, uji t satu sampel, uji t dua sampel independen, uji t dua sampel berpasangan, analisis variansi satu jalan, analisis variansi dua jalan, serta uji pasca analisis variansi dengan menggunakan SPSS. Pada uji regresi dan korelasi dipelajari uji asumsi klasik meliputi uji normalitas residu, uji homoskedastisitas, uji linieritas, uji multikolinieritas, uji independensi (autokorelasi), korelasi dan regresi linier sederhana dan ganda dengan menggunakan SPSS.

Learning Outcomes

  1. Mahasiswa mampu mengambil keputusan dari berbagai persoalan dalam pembelajaran matematika berdasarkan data yang relevan.
  2. Mahasiswa mampu memanfaatkan teknologi informasi dan komunikasi untuk pembelajaran dan penelitian pendidikan Matematika.
  3. Mahasiswa mampu menguasai materi, struktur, konsep, dan pola pikir keilmuan matematika untuk menunjang penelitian.
  4. Mahasiswa mampu memanfaatkan teknologi informasi dan komunikasi untuk mengembangkan diri sebagai pendidik matematika dan peneliti bidang pendidikan matematika.

References

Andy, F. (2009). Discovering Statistics Using SPSS. London: SAGE Publication.

Ho, R. (2006). Handbook of univariate and multivariate data analysis and interpretation with SPSS. Florida: Chapman & Hall/CRC.


Details ...
Course Descriptions

Mata kuliah ini berisi tentang teknik pengolahan data kuantitatif melalui software SPSS, mulai dari cara pengoperasian SPSS, deskripsi data dengan tabel dan diagram, uji beda rerata, serta regresi dan korelasi linier. Pada materi uji beda rerata dipelajari uji asumsi klasik meliputi uji normalitas distribusi dan uji homogenitas variansi, uji t satu sampel, uji t dua sampel independen, uji t dua sampel berpasangan, analisis variansi satu jalan, analisis variansi dua jalan, serta uji pasca analisis variansi dengan menggunakan SPSS. Pada uji regresi dan korelasi dipelajari uji asumsi klasik meliputi uji normalitas residu, uji homoskedastisitas, uji linieritas, uji multikolinieritas, uji independensi (autokorelasi), korelasi dan regresi linier sederhana dan ganda dengan menggunakan SPSS.

Learning Outcomes

  1. Mahasiswa mampu mengambil keputusan dari berbagai persoalan dalam pembelajaran matematika berdasarkan data yang relevan.
  2. Mahasiswa mampu memanfaatkan teknologi informasi dan komunikasi untuk pembelajaran dan penelitian pendidikan Matematika.
  3. Mahasiswa mampu menguasai materi, struktur, konsep, dan pola pikir keilmuan matematika untuk menunjang penelitian.
  4. Mahasiswa mampu memanfaatkan teknologi informasi dan komunikasi untuk mengembangkan diri sebagai pendidik matematika dan peneliti bidang pendidikan matematika.

References

Andy, F. (2009). Discovering Statistics Using SPSS. London: SAGE Publication.

Ho, R. (2006). Handbook of univariate and multivariate data analysis and interpretation with SPSS. Florida: Chapman & Hall/CRC.


Details ...
Course Descriptions

Mata kuliah ini berisi tentang teknik pengolahan data kuantitatif melalui software SPSS, mulai dari cara pengoperasian SPSS, deskripsi data dengan tabel dan diagram, uji beda rerata, serta regresi dan korelasi linier. Pada materi uji beda rerata dipelajari uji asumsi klasik meliputi uji normalitas distribusi dan uji homogenitas variansi, uji t satu sampel, uji t dua sampel independen, uji t dua sampel berpasangan, analisis variansi satu jalan, analisis variansi dua jalan, serta uji pasca analisis variansi dengan menggunakan SPSS. Pada uji regresi dan korelasi dipelajari uji asumsi klasik meliputi uji normalitas residu, uji homoskedastisitas, uji linieritas, uji multikolinieritas, uji independensi (autokorelasi), korelasi dan regresi linier sederhana dan ganda dengan menggunakan SPSS.

Learning Outcomes

  1. Mahasiswa mampu mengambil keputusan dari berbagai persoalan dalam pembelajaran matematika berdasarkan data yang relevan.
  2. Mahasiswa mampu memanfaatkan teknologi informasi dan komunikasi untuk pembelajaran dan penelitian pendidikan Matematika.
  3. Mahasiswa mampu menguasai materi, struktur, konsep, dan pola pikir keilmuan matematika untuk menunjang penelitian.
  4. Mahasiswa mampu memanfaatkan teknologi informasi dan komunikasi untuk mengembangkan diri sebagai pendidik matematika dan peneliti bidang pendidikan matematika.

References

Andy, F. (2009). Discovering Statistics Using SPSS. London: SAGE Publication.

Ho, R. (2006). Handbook of univariate and multivariate data analysis and interpretation with SPSS. Florida: Chapman & Hall/CRC.


Details ...
Course Descriptions

Mata kuliah ini berisi tentang teknik pengolahan data kuantitatif melalui software SPSS, mulai dari cara pengoperasian SPSS, deskripsi data dengan tabel dan diagram, uji beda rerata, serta regresi dan korelasi linier. Pada materi uji beda rerata dipelajari uji asumsi klasik meliputi uji normalitas distribusi dan uji homogenitas variansi, uji t satu sampel, uji t dua sampel independen, uji t dua sampel berpasangan, analisis variansi satu jalan, analisis variansi dua jalan, serta uji pasca analisis variansi dengan menggunakan SPSS. Pada uji regresi dan korelasi dipelajari uji asumsi klasik meliputi uji normalitas residu, uji homoskedastisitas, uji linieritas, uji multikolinieritas, uji independensi (autokorelasi), korelasi dan regresi linier sederhana dan ganda dengan menggunakan SPSS.

Learning Outcomes

  1. Mahasiswa mampu mengambil keputusan dari berbagai persoalan dalam pembelajaran matematika berdasarkan data yang relevan.
  2. Mahasiswa mampu memanfaatkan teknologi informasi dan komunikasi untuk pembelajaran dan penelitian pendidikan Matematika.
  3. Mahasiswa mampu menguasai materi, struktur, konsep, dan pola pikir keilmuan matematika untuk menunjang penelitian.
  4. Mahasiswa mampu memanfaatkan teknologi informasi dan komunikasi untuk mengembangkan diri sebagai pendidik matematika dan peneliti bidang pendidikan matematika.

References

Andy, F. (2009). Discovering Statistics Using SPSS. London: SAGE Publication.

Ho, R. (2006). Handbook of univariate and multivariate data analysis and interpretation with SPSS. Florida: Chapman & Hall/CRC.


Details ...
Course Descriptions

Mata kuliah ini berisi tentang cara mengolah data statistik melalui software spss, mulai dari cara pengoperasikan SPSS, deskripsi data, pengujian hipotesis dengan uji t, uji normalitas, uji homogenitas, uji linieritas, analisis varians (anova) satu arah, anova dua arah, korelasi dan regresi (linier sederhana dan ganda),  reliabilitas dan validitas suatu instrument tertentu.   

Learning Outcomes

1. Mahasiswa dapat melakukan analisis data statistik menggunakan software spss dan dapat mengaplikasikannya untuk kepentingan penelitian.

2. Mahasiswa mempunyai kemampuan mengolah dan menganalisis data mengunakan software spss untuk memecahkan masalah dalam kehidupan sehari-hari.

References

Agung H dan Sudargo. 2013.”Buku petunjuk praktikum komputasi spss”. Semarang: IKIP PGRI smg press.

Alistair W Kerr. 2002. “Doing Statistic with SPSS”. Sega publication ltd: London.


Details ...
Course Descriptions

Mata kuliah ini berisi tentang cara mengolah data statistik melalui software spss, mulai dari cara pengoperasikan SPSS, deskripsi data, pengujian hipotesis dengan uji t, uji normalitas, uji homogenitas, uji linieritas, analisis varians (anova) satu arah, anova dua arah, korelasi dan regresi (linier sederhana dan ganda),  reliabilitas dan validitas suatu instrument tertentu.   

Learning Outcomes

1. Mahasiswa dapat melakukan analisis data statistik menggunakan software spss dan dapat mengaplikasikannya untuk kepentingan penelitian.

2. Mahasiswa mempunyai kemampuan mengolah dan menganalisis data mengunakan software spss untuk memecahkan masalah dalam kehidupan sehari-hari.

References

Agung H dan Sudargo. 2013.”Buku petunjuk praktikum komputasi spss”. Semarang: IKIP PGRI smg press.

Alistair W Kerr. 2002. “Doing Statistic with SPSS”. Sega publication ltd: London.


Details ...
Course Descriptions

Mata kuliah ini berisi tentang cara mengolah data statistik melalui software spss, mulai dari cara pengoperasikan SPSS, deskripsi data, pengujian hipotesis dengan uji t, uji normalitas, uji homogenitas, uji linieritas, analisis varians (anova) satu arah, anova dua arah, korelasi dan regresi (linier sederhana dan ganda),  reliabilitas dan validitas suatu instrument tertentu.   

Learning Outcomes

1. Mahasiswa dapat melakukan analisis data statistik menggunakan software spss dan dapat mengaplikasikannya untuk kepentingan penelitian.

2. Mahasiswa mempunyai kemampuan mengolah dan menganalisis data mengunakan software spss untuk memecahkan masalah dalam kehidupan sehari-hari.

References

Agung H dan Sudargo. 2013.”Buku petunjuk praktikum komputasi spss”. Semarang: IKIP PGRI smg press.

Alistair W Kerr. 2002. “Doing Statistic with SPSS”. Sega publication ltd: London.


Details ...