sekolah tinggi ilmu ekonomi sekolah tinggi · pdf filelatihan dan tugas ... mahasiswa dapat...
TRANSCRIPT
1
SEKOLAH TINGGI ILMU EKONOMI SEKOLAH TINGGI ILMU EKONOMI SEKOLAH TINGGI ILMU EKONOMI SEKOLAH TINGGI ILMU EKONOMI
INDONESIA BANKING SCHOOLINDONESIA BANKING SCHOOLINDONESIA BANKING SCHOOLINDONESIA BANKING SCHOOL
KONTRAK PERKULIAHANKONTRAK PERKULIAHANKONTRAK PERKULIAHANKONTRAK PERKULIAHAN
Mata Kuliah : Statistik II Program Studi : S1 Akuntansi dan S1 Manajemen Beban : 2 Sks Dosen : W. Rofianto, ST, MSi
I. Deskripsi Mata kuliah statistik II ini akan memberikan pemahaman akan estimasi interval, uji hipotesis, statistik inference mengenai mean dan proporsi dengan dua populasi dan inference mengenai populasi variance. Disamping itu, dipelajari juga mengenai pengujian goodness of fit dan independence serta analisis variance. Terakhir diberikan mengenai persamaan regresi yang terdiri
dari simple regresion, multiple regresion, dan analisis regresion yang terkait dengan pembuatan model serta mengenai non parametrik. Secara keseluruhan, mata kuliah ini akan memberikan konsep dan kemampuan dalam menganalisis dan menginterpretasikan hasil pengolahan data statistik, dapat memprediksi parameter populasi (statistik inference) dan non
parametrik serta menggunakan statistik sebagai salah satu alat analisis dalam pengambilan keputusan dalam berbagai permasalahan ekonomi dan bisnis.
II. Tujuan
Setelah menyelesaikan mata kuliah ini, mahasiswa diharapkan dapat menggunakan metode statistik sebagai alat bantu dalam menganalisis dan menginterpretasikan hasil pengolahan data statistik, untuk keperluan penelitian dan pengambilan keputusan dalam berbagai permasalahan bisnis
2
III. Kriteria Penilaian A. Tatap Muka
1. Kehadiran 0 % * 2. Ujian Berkala I 20 %
3. Ujian Berkala II 20 % 4. Ujian Akhir Semester 30 %
B. Terstruktur dan Mandiri 1. Latihan dan tugas
(mandiri maupun kelompok) 30 % --------- + 100 %
* Minimum kehadiran 75 %, jika kehadiran di bawah 75 % maka nilai UAS menjadi 0 (nol)
IV. Nilai Akhir
A : 80 – 100 A- : 77 – 79,99 B + : 74 – 76,99
B : 68 – 73,99 B- : 65 – 67,99 C + : 62 – 64,99 C : 56 – 61,99 D : 45 – 55,99
E : < 44.9 V. Buku
1. Anderson, David R., Dennis J. Sweeney, Thomas A. Williams, 2008, Statistics for Business and Economics, Thompson South-Western., 10th Ed (AS)
2. Lind., Marchal., Wathen, 2008, Statistical Techniques in Business and Economics With Glabal Data Sets, Mc Graw-Hill., 13th (LD)
VI. Waktu Konsultasi Mahasiswa dapat melakukan konsultasi dengan dosen atau asisten dosen setiap hari kerja.
VII. Tata Tertib Perkuliahan 1. Untuk dapat mengikuti Ujian Akhir Semester (UAS), setiap mahasiswa
diwajibkan hadir minimal 75 % (tiga puluh sembilan kali) dari total tatap muka sebanyak 52 (lima puluh dua) kali.
3
2. Jika mahasiswa tidak dapat mengikuti ujian karena suatu alasan yang dapat dipertimbangkan, mahasiswa masih dapat mengikuti ujian susulan sepanjang mahasiswa yang bersangkutan dapat memberitahukan alasan yang bisa diterima yaitu mahasiswa tersebut sakit dan mendapat surat
dokter, ada salah satu keluarga yang meninggal, dan mewakili IBS untuk suatu kegiatan tertentu.
3. Ketentuan ujian susulan: Soal yang diberikan akan lebih sulit dibandingkan ujian reguler, waktu ujian lebih singkat, dan nilai maksimum yang diberikan adalah 70.
VIII. Jadwal Perkuliahan
Tatap
Muka
Pembahasan Bab Tugas Mahasiswa
1
Membahas kontrak perkuliahan Review materi
A. Continuous Probability Distributions � Uniform probability distribution � Normal probability distribution
B. Sampling dan distribusi sampling � Simple random sampling � Point estimation
� distribusi sampling
� Metode sampling lain
6,7 AS
6,7 LD
E.6.1, E.6.2, E.6.3, E.6.6,
E.6.10, E.6.11, E.6.13
E.7.1, E7.8, E.7.11, E.7.12, E.7.13, E.7.15,
E.7.18, E.7.19,
E.7.33, E.7.34, E.7.37, E.7.39.
2 Estimasi Interval (Interval Estimation) � Estimasi interval dari rata-rata populasi: kasus
sampel besar
� Estimasi interval dari rata-rata populasi: kasus sampel kecil
� Menentukan ukuran sampel
� Estimasi interval dan proporsi populasi
8 AS 9 LD
E.8.1, E.8.5, E.8.8, E.8.11, E.8.13, E.8.16,
E.8.20, E.8.21, E.8.23, E.8.28,
E.8.32, E.8.36,
E.8.43
3 Uji Hipotesis
� Membuat hipotesis nol dan alternatif � Type I dan Type II error
Uji rata-rata populasi: kasus sampel besar
� One tailed test � Two tailed test
9 AS
10 LD
E.9.1, E.9.4,
E.9.6, E.9.7, E.9.9, E.9.16, E.9.21, E.9.27,
E.9.30.
4 � Uji rata-rata populasi: kasus sampel kecil � Uji proporsi populasi � Uji hipotesis dan pengamnilan keputusan
� Menghitung probabilitas Type II error � Menentukan ukuran sampel untuk uji hipotesis
tentang rata-rata populasi
9 AS 10 LD
E.9.33, E.9.41, E.9.43, E.9.48, E.9.58, E.9.61,
E.9.63, E.9.65, E.9.66, E.9.69
UJIAN BERKALA I
4
5 Statistik inference tentang rata-rata dan proporsi dengan
dua populasi:
� Estimasi perbedaan rata-rata dua populasi: sampel independen
� Uji hipotesis beda rata-rata antara dua populasi :
sampel independen
10 AS
11 LD
E.10.1, E.10.4,
E.10.9, E.10.12,
E.10.14, E.10.20
6 Statistik Interence rata-rata dan proporsi dengan dua
populasi: � Inference beda rata-rata antara dua populasi:
sampel matched
� Inference beda proporsi antara dua populasi
10 AS
11 LD
E.10.22, E.10.24,
E.10.29, E.10.30, E.10.32, E.10.37, E.10.38
7 Inference tentang variance populasi
� Inference variance populasi: interval estimasi
variance dan uji hipotesis � Inference variance dua populasi
11 AS E.11.1, E.11.5,
E.11.8, E.11,14,
E.11.20, E.11,22
8 Uji Goodness of fit dan independensi � Uji goodness of fit: populasi multinomial � Uji independensi
� Uji goodness of fit: distribusi poison dan normal
12 AS
E.12.2, E.12.3, E.12.6, E.12.10, E.12.13, E.12.22,
E.12.24
UJIAN BERKALA II
9 Analysis Of Variance (ANOVA) � Pengantar Analysis of Variance (ANOVA) � ANOVA: Uji kesamaan k rata-rata populasi
� Multiple comparison procedures
13 AS 12 LD
E.13.2, E.13.3, E.13.7, E.13.8, E.13.12, E.13.16
10 Simple Linear Regression
� Model simple linear regression � Metode least squares � Koefisien determinasi
� Asumsi model � Uji signifikansi: estimasi standar deviasi, uji t,
confidence interval beta, uji F
� Penggunaan persamaan regresi untuk estimasi
dan prediksi � Penggunaan hasil komputer
� Analisis residual: validasi asumsi model � Analisis residual: outlier dan pengaruh observasi
14 AS
13 LD
E.14.2, E.14.3,
E.14.5, E.14.9, E.14.16, E.14.21, E.14.22, E.14.24,
E.14.30, E.14.31, E.14.33, E.14.37, E.14.41, E.14.42,
E.14.46, E.14.48,
E.14.49, E.14.51, E.14.53
11 Multiple Regression � Model multiple regression
� Metode least squares � Multiple coeficient of determination � Asumsi model � Uji signifikansi: Uji F, Uji t, dan multikolinearitas
15 AS
14 LD
E.15.1, E.15.4, E.15.8, E.15.11,
E.15.14, E.15.16,
E.15.18, E.15.20, E.15.25, E.15.20, E.15.22, E.15.25
12 Multiple Regression � Penggunaan persamaan regresi untuk estimasi
dan prediksi
15, 19 AS
E.15.27, E.15.30, E.15.31, E.15.33,
E.15.35, E.15.40,
5
� Variabel independen kualitatif
� Analisis residual
Nonparametric Methods
� Pengertian uji non parametrik
� Sign test with small-sample case and large-sample case
14,
17,18
LD
E.15.42
E.19.1, E.19.2, E.19.3
13 Nonparametric Methods
� Wilcoxon Signed-Rank Test � Mann-Whitney- Wicoxon Test � Kruskal-Wallis Test � Rank Correlation
19 AS
18 LD
E.19.12, E.19.13,
E.19.18, E.19.19, E.19.21, E.19.26, E.19.27, E.19.32,
E.19.33
UJIAN AKHIR SEMESTER