Pengenalan prinsip dasar analisis univariat dan analisis multivariat, materi dan prinsip dasar aljabar matriks dalam analisis multivariat, geometri sampel dan random sampling, distribusi normal multivariat, inferensi vektor rata-rata, perbandingan rata-rata dalam multivariat, analisis komponen utama, dan analisis cluster

Capaian Pembelajaran Lulusan Prodi:

CPL 1 Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.

CPL 2 Mampu menyusun dan atau memilih rancangan pengumpulan/pembangkitan data secara efisien dan menerapkan dalam bentuk survei, percobaan, atau simulasi.

CPL 3 Mampu mengelola dan menganalisis data, menyelesaikan permasalahan nyata menggunakan metode statistika di bidang komputasi statistika, sosial humaniora, ekonomi, industri dan hayati dengan bantuan perangkat lunak, serta menyajikan dan mengkomunikasikan hasilnya.

CPL 4 Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.

CPL 5 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah;

CPL 6 Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data;

CPL 7 Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya;

CPL 8 Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.

CP-MK:

CPMK 1 Mahasiswa mampu menjelaskan dan menerapkan aljabar matriks, konsep statistika deskriptif multivariat dan sebaran normal multivariat (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 2 Mahasiswa mampu menjelaskan dan menerapkan pengujian vektor rata-rata pada satu populasi, dua populasi dan lebih dari dua populasi serta pengujian lanjutan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 3 Mahasiswa mampu menjelaskan dan menerapkan analisis komponen utama dan analisis faktor (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 4 Mahasiswa mampu menjelaskan dan menerapkan analisis korelasi kanonik dan analisis diskriminan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

Utama:

Johnson, R.A. and DW. Wichern, 2002. Applied Multivariate Statistical Analysis. Fifth edition. Prentice-Hall, Inc., New Jersey.

Pendukung:

1. Anderson, T.W., 1984. An Introduction to Multivarite Statistical Analysis, John Wiley and sons, New York, 675.

2. Mardia, K.V., J.T. Kent and J.M. Bibby, 1979. Multivariate Analysis. A Harcourt Science & Technology Company, San Diego.

3. Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E. (2010). Multivariate Data Analysis, 7 th Edition. Prentice-Hall.

4. A.C. Rencher, Methods of Multivariate Analysis, 2nd ed., 2002, Wiley Series in Probability & Statistics, Canada

5. S. Sharma, Applied Multivariate Techniques, 1996, John Wiley & Sons, New York.

Pengenalan prinsip dasar analisis univariat dan analisis multivariat, materi dan prinsip dasar aljabar matriks dalam analisis multivariat, geometri sampel dan random sampling, distribusi normal multivariat, inferensi vektor rata-rata, perbandingan rata-rata dalam multivariat, analisis komponen utama, dan analisis cluster

Capaian Pembelajaran Lulusan Prodi:

CPL 1 Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.

CPL 2 Mampu menyusun dan atau memilih rancangan pengumpulan/pembangkitan data secara efisien dan menerapkan dalam bentuk survei, percobaan, atau simulasi.

CPL 3 Mampu mengelola dan menganalisis data, menyelesaikan permasalahan nyata menggunakan metode statistika di bidang komputasi statistika, sosial humaniora, ekonomi, industri dan hayati dengan bantuan perangkat lunak, serta menyajikan dan mengkomunikasikan hasilnya.

CPL 4 Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.

CPL 5 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah;

CPL 6 Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data;

CPL 7 Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya;

CPL 8 Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.

CP-MK:

CPMK 1 Mahasiswa mampu menjelaskan dan menerapkan aljabar matriks, konsep statistika deskriptif multivariat dan sebaran normal multivariat (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 2 Mahasiswa mampu menjelaskan dan menerapkan pengujian vektor rata-rata pada satu populasi, dua populasi dan lebih dari dua populasi serta pengujian lanjutan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 3 Mahasiswa mampu menjelaskan dan menerapkan analisis komponen utama dan analisis faktor (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 4 Mahasiswa mampu menjelaskan dan menerapkan analisis korelasi kanonik dan analisis diskriminan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

Utama:

Johnson, R.A. and DW. Wichern, 2002. Applied Multivariate Statistical Analysis. Fifth edition. Prentice-Hall, Inc., New Jersey.

Pendukung:

1. Anderson, T.W., 1984. An Introduction to Multivarite Statistical Analysis, John Wiley and sons, New York, 675.

2. Mardia, K.V., J.T. Kent and J.M. Bibby, 1979. Multivariate Analysis. A Harcourt Science & Technology Company, San Diego.

3. Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E. (2010). Multivariate Data Analysis, 7 th Edition. Prentice-Hall.

4. A.C. Rencher, Methods of Multivariate Analysis, 2nd ed., 2002, Wiley Series in Probability & Statistics, Canada

5. S. Sharma, Applied Multivariate Techniques, 1996, John Wiley & Sons, New York.

Pengenalan prinsip dasar analisis univariat dan analisis multivariat, materi dan prinsip dasar aljabar matriks dalam analisis multivariat, geometri sampel dan random sampling, distribusi normal multivariat, inferensi vektor rata-rata, perbandingan rata-rata dalam multivariat, analisis komponen utama, dan analisis cluster

Capaian Pembelajaran Lulusan Prodi:

CPL 1 Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.

CPL 2 Mampu menyusun dan atau memilih rancangan pengumpulan/pembangkitan data secara efisien dan menerapkan dalam bentuk survei, percobaan, atau simulasi.

CPL 3 Mampu mengelola dan menganalisis data, menyelesaikan permasalahan nyata menggunakan metode statistika di bidang komputasi statistika, sosial humaniora, ekonomi, industri dan hayati dengan bantuan perangkat lunak, serta menyajikan dan mengkomunikasikan hasilnya.

CPL 4 Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.

CPL 5 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah;

CPL 6 Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data;

CPL 7 Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya;

CPL 8 Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.

CP-MK:

CPMK 1 Mahasiswa mampu menjelaskan dan menerapkan aljabar matriks, konsep statistika deskriptif multivariat dan sebaran normal multivariat (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 2 Mahasiswa mampu menjelaskan dan menerapkan pengujian vektor rata-rata pada satu populasi, dua populasi dan lebih dari dua populasi serta pengujian lanjutan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 3 Mahasiswa mampu menjelaskan dan menerapkan analisis komponen utama dan analisis faktor (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 4 Mahasiswa mampu menjelaskan dan menerapkan analisis korelasi kanonik dan analisis diskriminan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

Utama:

Johnson, R.A. and DW. Wichern, 2002. Applied Multivariate Statistical Analysis. Fifth edition. Prentice-Hall, Inc., New Jersey.

Pendukung:

1. Anderson, T.W., 1984. An Introduction to Multivarite Statistical Analysis, John Wiley and sons, New York, 675.

2. Mardia, K.V., J.T. Kent and J.M. Bibby, 1979. Multivariate Analysis. A Harcourt Science & Technology Company, San Diego.

3. Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E. (2010). Multivariate Data Analysis, 7 th Edition. Prentice-Hall.

4. A.C. Rencher, Methods of Multivariate Analysis, 2nd ed., 2002, Wiley Series in Probability & Statistics, Canada

5. S. Sharma, Applied Multivariate Techniques, 1996, John Wiley & Sons, New York.

Pengenalan prinsip dasar analisis univariat dan analisis multivariat, materi dan prinsip dasar aljabar matriks dalam analisis multivariat, geometri sampel dan random sampling, distribusi normal multivariat, inferensi vektor rata-rata, perbandingan rata-rata dalam multivariat, analisis komponen utama, dan analisis cluster

Capaian Pembelajaran Lulusan Prodi:

CPL 1 Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.

CPL 2 Mampu menyusun dan atau memilih rancangan pengumpulan/pembangkitan data secara efisien dan menerapkan dalam bentuk survei, percobaan, atau simulasi.

CPL 3 Mampu mengelola dan menganalisis data, menyelesaikan permasalahan nyata menggunakan metode statistika di bidang komputasi statistika, sosial humaniora, ekonomi, industri dan hayati dengan bantuan perangkat lunak, serta menyajikan dan mengkomunikasikan hasilnya.

CPL 4 Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.

CPL 5 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah;

CPL 6 Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data;

CPL 7 Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya;

CPL 8 Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.

CP-MK:

CPMK 1 Mahasiswa mampu menjelaskan dan menerapkan aljabar matriks, konsep statistika deskriptif multivariat dan sebaran normal multivariat (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 2 Mahasiswa mampu menjelaskan dan menerapkan pengujian vektor rata-rata pada satu populasi, dua populasi dan lebih dari dua populasi serta pengujian lanjutan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 3 Mahasiswa mampu menjelaskan dan menerapkan analisis komponen utama dan analisis faktor (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 4 Mahasiswa mampu menjelaskan dan menerapkan analisis korelasi kanonik dan analisis diskriminan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

Utama:

Johnson, R.A. and DW. Wichern, 2002. Applied Multivariate Statistical Analysis. Fifth edition. Prentice-Hall, Inc., New Jersey.

Pendukung:

1. Anderson, T.W., 1984. An Introduction to Multivarite Statistical Analysis, John Wiley and sons, New York, 675.

2. Mardia, K.V., J.T. Kent and J.M. Bibby, 1979. Multivariate Analysis. A Harcourt Science & Technology Company, San Diego.

3. Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E. (2010). Multivariate Data Analysis, 7 th Edition. Prentice-Hall.

4. A.C. Rencher, Methods of Multivariate Analysis, 2nd ed., 2002, Wiley Series in Probability & Statistics, Canada

5. S. Sharma, Applied Multivariate Techniques, 1996, John Wiley & Sons, New York.

Pengenalan prinsip dasar analisis univariat dan analisis multivariat, materi dan prinsip dasar aljabar matriks dalam analisis multivariat, geometri sampel dan random sampling, distribusi normal multivariat, inferensi vektor rata-rata, perbandingan rata-rata dalam multivariat, analisis komponen utama, dan analisis cluster

Capaian Pembelajaran Lulusan Prodi:

CPL 1 Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.

CPL 2 Mampu menyusun dan atau memilih rancangan pengumpulan/pembangkitan data secara efisien dan menerapkan dalam bentuk survei, percobaan, atau simulasi.

CPL 3 Mampu mengelola dan menganalisis data, menyelesaikan permasalahan nyata menggunakan metode statistika di bidang komputasi statistika, sosial humaniora, ekonomi, industri dan hayati dengan bantuan perangkat lunak, serta menyajikan dan mengkomunikasikan hasilnya.

CPL 4 Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.

CPL 5 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah;

CPL 6 Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data;

CPL 7 Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya;

CPL 8 Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.

CP-MK:

CPMK 1 Mahasiswa mampu menjelaskan dan menerapkan aljabar matriks, konsep statistika deskriptif multivariat dan sebaran normal multivariat (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 2 Mahasiswa mampu menjelaskan dan menerapkan pengujian vektor rata-rata pada satu populasi, dua populasi dan lebih dari dua populasi serta pengujian lanjutan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 3 Mahasiswa mampu menjelaskan dan menerapkan analisis komponen utama dan analisis faktor (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 4 Mahasiswa mampu menjelaskan dan menerapkan analisis korelasi kanonik dan analisis diskriminan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

Utama:

Johnson, R.A. and DW. Wichern, 2002. Applied Multivariate Statistical Analysis. Fifth edition. Prentice-Hall, Inc., New Jersey.

Pendukung:

1. Anderson, T.W., 1984. An Introduction to Multivarite Statistical Analysis, John Wiley and sons, New York, 675.

2. Mardia, K.V., J.T. Kent and J.M. Bibby, 1979. Multivariate Analysis. A Harcourt Science & Technology Company, San Diego.

3. Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E. (2010). Multivariate Data Analysis, 7 th Edition. Prentice-Hall.

4. A.C. Rencher, Methods of Multivariate Analysis, 2nd ed., 2002, Wiley Series in Probability & Statistics, Canada

5. S. Sharma, Applied Multivariate Techniques, 1996, John Wiley & Sons, New York.

Pengenalan prinsip dasar analisis univariat dan analisis multivariat, materi dan prinsip dasar aljabar matriks dalam analisis multivariat, geometri sampel dan random sampling, distribusi normal multivariat, inferensi vektor rata-rata, perbandingan rata-rata dalam multivariat, analisis komponen utama, dan analisis cluster

Capaian Pembelajaran Lulusan Prodi:

CPL 1 Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.

CPL 2 Mampu menyusun dan atau memilih rancangan pengumpulan/pembangkitan data secara efisien dan menerapkan dalam bentuk survei, percobaan, atau simulasi.

CPL 3 Mampu mengelola dan menganalisis data, menyelesaikan permasalahan nyata menggunakan metode statistika di bidang komputasi statistika, sosial humaniora, ekonomi, industri dan hayati dengan bantuan perangkat lunak, serta menyajikan dan mengkomunikasikan hasilnya.

CPL 4 Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.

CPL 5 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah;

CPL 6 Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data;

CPL 7 Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya;

CPL 8 Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.

CP-MK:

CPMK 1 Mahasiswa mampu menjelaskan dan menerapkan aljabar matriks, konsep statistika deskriptif multivariat dan sebaran normal multivariat (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 2 Mahasiswa mampu menjelaskan dan menerapkan pengujian vektor rata-rata pada satu populasi, dua populasi dan lebih dari dua populasi serta pengujian lanjutan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 3 Mahasiswa mampu menjelaskan dan menerapkan analisis komponen utama dan analisis faktor (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 4 Mahasiswa mampu menjelaskan dan menerapkan analisis korelasi kanonik dan analisis diskriminan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

Utama:

Johnson, R.A. and DW. Wichern, 2002. Applied Multivariate Statistical Analysis. Fifth edition. Prentice-Hall, Inc., New Jersey.

Pendukung:

1. Anderson, T.W., 1984. An Introduction to Multivarite Statistical Analysis, John Wiley and sons, New York, 675.

2. Mardia, K.V., J.T. Kent and J.M. Bibby, 1979. Multivariate Analysis. A Harcourt Science & Technology Company, San Diego.

3. Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E. (2010). Multivariate Data Analysis, 7 th Edition. Prentice-Hall.

4. A.C. Rencher, Methods of Multivariate Analysis, 2nd ed., 2002, Wiley Series in Probability & Statistics, Canada

5. S. Sharma, Applied Multivariate Techniques, 1996, John Wiley & Sons, New York.

Pengenalan prinsip dasar analisis univariat dan analisis multivariat, materi dan prinsip dasar aljabar matriks dalam analisis multivariat, geometri sampel dan random sampling, distribusi normal multivariat, inferensi vektor rata-rata, perbandingan rata-rata dalam multivariat, analisis komponen utama, dan analisis cluster

Capaian Pembelajaran Lulusan Prodi:

CPL 1 Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.

CPL 2 Mampu menyusun dan atau memilih rancangan pengumpulan/pembangkitan data secara efisien dan menerapkan dalam bentuk survei, percobaan, atau simulasi.

CPL 3 Mampu mengelola dan menganalisis data, menyelesaikan permasalahan nyata menggunakan metode statistika di bidang komputasi statistika, sosial humaniora, ekonomi, industri dan hayati dengan bantuan perangkat lunak, serta menyajikan dan mengkomunikasikan hasilnya.

CPL 4 Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.

CPL 5 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah;

CPL 6 Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data;

CPL 7 Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya;

CPL 8 Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.

CP-MK:

CPMK 1 Mahasiswa mampu menjelaskan dan menerapkan aljabar matriks, konsep statistika deskriptif multivariat dan sebaran normal multivariat (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 2 Mahasiswa mampu menjelaskan dan menerapkan pengujian vektor rata-rata pada satu populasi, dua populasi dan lebih dari dua populasi serta pengujian lanjutan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 3 Mahasiswa mampu menjelaskan dan menerapkan analisis komponen utama dan analisis faktor (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 4 Mahasiswa mampu menjelaskan dan menerapkan analisis korelasi kanonik dan analisis diskriminan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

Utama:

Johnson, R.A. and DW. Wichern, 2002. Applied Multivariate Statistical Analysis. Fifth edition. Prentice-Hall, Inc., New Jersey.

Pendukung:

1. Anderson, T.W., 1984. An Introduction to Multivarite Statistical Analysis, John Wiley and sons, New York, 675.

2. Mardia, K.V., J.T. Kent and J.M. Bibby, 1979. Multivariate Analysis. A Harcourt Science & Technology Company, San Diego.

3. Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E. (2010). Multivariate Data Analysis, 7 th Edition. Prentice-Hall.

4. A.C. Rencher, Methods of Multivariate Analysis, 2nd ed., 2002, Wiley Series in Probability & Statistics, Canada

5. S. Sharma, Applied Multivariate Techniques, 1996, John Wiley & Sons, New York.

Pengenalan prinsip dasar analisis univariat dan analisis multivariat, materi dan prinsip dasar aljabar matriks dalam analisis multivariat, geometri sampel dan random sampling, distribusi normal multivariat, inferensi vektor rata-rata, perbandingan rata-rata dalam multivariat, analisis komponen utama, dan analisis cluster

Capaian Pembelajaran Lulusan Prodi:

CPL 1 Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.

CPL 2 Mampu menyusun dan atau memilih rancangan pengumpulan/pembangkitan data secara efisien dan menerapkan dalam bentuk survei, percobaan, atau simulasi.

CPL 3 Mampu mengelola dan menganalisis data, menyelesaikan permasalahan nyata menggunakan metode statistika di bidang komputasi statistika, sosial humaniora, ekonomi, industri dan hayati dengan bantuan perangkat lunak, serta menyajikan dan mengkomunikasikan hasilnya.

CPL 4 Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.

CPL 5 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah;

CPL 6 Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data;

CPL 7 Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya;

CPL 8 Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.

CP-MK:

CPMK 1 Mahasiswa mampu menjelaskan dan menerapkan aljabar matriks, konsep statistika deskriptif multivariat dan sebaran normal multivariat (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 2 Mahasiswa mampu menjelaskan dan menerapkan pengujian vektor rata-rata pada satu populasi, dua populasi dan lebih dari dua populasi serta pengujian lanjutan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 3 Mahasiswa mampu menjelaskan dan menerapkan analisis komponen utama dan analisis faktor (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 4 Mahasiswa mampu menjelaskan dan menerapkan analisis korelasi kanonik dan analisis diskriminan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

Utama:

Johnson, R.A. and DW. Wichern, 2002. Applied Multivariate Statistical Analysis. Fifth edition. Prentice-Hall, Inc., New Jersey.

Pendukung:

1. Anderson, T.W., 1984. An Introduction to Multivarite Statistical Analysis, John Wiley and sons, New York, 675.

2. Mardia, K.V., J.T. Kent and J.M. Bibby, 1979. Multivariate Analysis. A Harcourt Science & Technology Company, San Diego.

3. Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E. (2010). Multivariate Data Analysis, 7 th Edition. Prentice-Hall.

4. A.C. Rencher, Methods of Multivariate Analysis, 2nd ed., 2002, Wiley Series in Probability & Statistics, Canada

5. S. Sharma, Applied Multivariate Techniques, 1996, John Wiley & Sons, New York.

Pengenalan prinsip dasar analisis univariat dan analisis multivariat, materi dan prinsip dasar aljabar matriks dalam analisis multivariat, geometri sampel dan random sampling, distribusi normal multivariat, inferensi vektor rata-rata, perbandingan rata-rata dalam multivariat, analisis komponen utama, dan analisis cluster

Capaian Pembelajaran Lulusan Prodi:

CPL 1 Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.

CPL 2 Mampu menyusun dan atau memilih rancangan pengumpulan/pembangkitan data secara efisien dan menerapkan dalam bentuk survei, percobaan, atau simulasi.

CPL 3 Mampu mengelola dan menganalisis data, menyelesaikan permasalahan nyata menggunakan metode statistika di bidang komputasi statistika, sosial humaniora, ekonomi, industri dan hayati dengan bantuan perangkat lunak, serta menyajikan dan mengkomunikasikan hasilnya.

CPL 4 Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.

CPL 5 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah;

CPL 6 Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data;

CPL 7 Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya;

CPL 8 Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.

CP-MK:

CPMK 1 Mahasiswa mampu menjelaskan dan menerapkan aljabar matriks, konsep statistika deskriptif multivariat dan sebaran normal multivariat (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 2 Mahasiswa mampu menjelaskan dan menerapkan pengujian vektor rata-rata pada satu populasi, dua populasi dan lebih dari dua populasi serta pengujian lanjutan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 3 Mahasiswa mampu menjelaskan dan menerapkan analisis komponen utama dan analisis faktor (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 4 Mahasiswa mampu menjelaskan dan menerapkan analisis korelasi kanonik dan analisis diskriminan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

Utama:

Johnson, R.A. and DW. Wichern, 2002. Applied Multivariate Statistical Analysis. Fifth edition. Prentice-Hall, Inc., New Jersey.

Pendukung:

1. Anderson, T.W., 1984. An Introduction to Multivarite Statistical Analysis, John Wiley and sons, New York, 675.

2. Mardia, K.V., J.T. Kent and J.M. Bibby, 1979. Multivariate Analysis. A Harcourt Science & Technology Company, San Diego.

3. Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E. (2010). Multivariate Data Analysis, 7 th Edition. Prentice-Hall.

4. A.C. Rencher, Methods of Multivariate Analysis, 2nd ed., 2002, Wiley Series in Probability & Statistics, Canada

5. S. Sharma, Applied Multivariate Techniques, 1996, John Wiley & Sons, New York.

Pengenalan prinsip dasar analisis univariat dan analisis multivariat, materi dan prinsip dasar aljabar matriks dalam analisis multivariat, geometri sampel dan random sampling, distribusi normal multivariat, inferensi vektor rata-rata, perbandingan rata-rata dalam multivariat, analisis komponen utama, dan analisis cluster

Capaian Pembelajaran Lulusan Prodi:

CPL 1 Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.

CPL 2 Mampu menyusun dan atau memilih rancangan pengumpulan/pembangkitan data secara efisien dan menerapkan dalam bentuk survei, percobaan, atau simulasi.

CPL 3 Mampu mengelola dan menganalisis data, menyelesaikan permasalahan nyata menggunakan metode statistika di bidang komputasi statistika, sosial humaniora, ekonomi, industri dan hayati dengan bantuan perangkat lunak, serta menyajikan dan mengkomunikasikan hasilnya.

CPL 4 Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.

CPL 5 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah;

CPL 6 Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data;

CPL 7 Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya;

CPL 8 Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.

CP-MK:

CPMK 1 Mahasiswa mampu menjelaskan dan menerapkan aljabar matriks, konsep statistika deskriptif multivariat dan sebaran normal multivariat (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 2 Mahasiswa mampu menjelaskan dan menerapkan pengujian vektor rata-rata pada satu populasi, dua populasi dan lebih dari dua populasi serta pengujian lanjutan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 3 Mahasiswa mampu menjelaskan dan menerapkan analisis komponen utama dan analisis faktor (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

CPMK 4 Mahasiswa mampu menjelaskan dan menerapkan analisis korelasi kanonik dan analisis diskriminan (CPL1, CPL3, CPL4, CPL5, CPL6, CPL7, CPL8)

Utama:

Johnson, R.A. and DW. Wichern, 2002. Applied Multivariate Statistical Analysis. Fifth edition. Prentice-Hall, Inc., New Jersey.

Pendukung:

1. Anderson, T.W., 1984. An Introduction to Multivarite Statistical Analysis, John Wiley and sons, New York, 675.

2. Mardia, K.V., J.T. Kent and J.M. Bibby, 1979. Multivariate Analysis. A Harcourt Science & Technology Company, San Diego.

3. Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E. (2010). Multivariate Data Analysis, 7 th Edition. Prentice-Hall.

4. A.C. Rencher, Methods of Multivariate Analysis, 2nd ed., 2002, Wiley Series in Probability & Statistics, Canada

5. S. Sharma, Applied Multivariate Techniques, 1996, John Wiley & Sons, New York.