RENCANA PEMBELAJARAN
SEMESTER
(RPS)
MATA KULIAH : Statistika
SEMESTER : 115 Tahun Akademik 2021/2022
BOBOT : 3 SKS
DOSEN/TIM
DOSEN
PENGAMPU
: Tim Dosen Pasca
PROGRAM STUDI MAGISTER
PROGRAM PASCASARJANA
UNIVERSITAS NEGERI JAKARTA
2021
1
RENCANA PEMBELAJARAN
SEMESTER
(RPS)
Universitas : Universitas Negeri Jakarta
Fakultas : Program Pascasarjana
Program
Studi
: Magister
Mata
Kuliah
: Statistika
Bobot sks : 3 sks
Kode Mata
Kuliah
:
Kode Seksi :
Bentuk/Sifat : (1) Teori (2) Seminar (3) Praktikum*)
Pra-Syarat
(jika ada)
:
Semester : 115
Periode
Kuliah
: 2021/2022
Jumlah
Pertemuan
: 16/24/32 pertemuan*) x 150 menit
Jadwal
Kuliah
:
Ruang
Kuliah
: Zoom dan LMS
*) coret yang tidak perlu
A. DESKRIPSI MATAKULIAH
Mata kuliah ini mengkaji tentang cara memilih formulasi statistika yang sesuai
dengan jenis data untuk mendeskripsikan data serta melakukan analisis inferensial dan
interpretasinya dengan menggunakan perangkat lunak untuk kepentingan menyusun
kesimpulan analisis. Pembelajaran diselenggarakan dengan menggunakan
pendekatan yang berpusat pada mahasiswa, yaitu inquiry-based learning dan
project-based learning dengan metode pemecahan kasus (case method) atau
pembelajaran kelompok berbasis proyek (team based project).
B. CAPAIAN PEMBELAJARAN LULUSAN (CPL) YANG DIBEBANKAN
DALAM MATAKULIAH
Ranah Capaian Pembelajaran Lulusan
Sikap 1. Menunjukkan sikap bertanggungjawab atas pekerjaan di
bidang keahliannya secara mandiri.
2
Ranah Capaian Pembelajaran Lulusan
Keterampilan umum Memiliki kemampuan mengomunikasikan gagasan dan hasil
penelitian, mengambil keputusan dalam konteks
menyelesaikan masalah pengembangan ilmu pengetahuan.
Pengetahuan
Keterampilan Khusus
C. BAHAN KAJIAN/POKOK BAHASAN
BAHAN
KAJIAN/POKOK
BAHASAN
SUB- BAHAN KAJIAN/SUB-POKOK BAHASAN
Menganalisis data secara
deskriptif dan
interpretasinya
1. Menjelaskan konsep-konsep statistika, variabel dan
variabel pengukuran, skala pengukuran dan jenis
data.
2. Menyajikan data dalam bentuk table dan grafik
3. Ukuran pemusatan dan penyebaran, eksplorasi data serta
intrpretasinya
4. Penggunaan software statsitika untuk melakukan
eksplorasi data (histogram, diagram batang daun, box
plot)
Menguji hipotesis kesamaan
rerata, analisis korelasional,
berdasarkan pendekatan
parametrik serta trampil
menggunakan software
statiska
1. Distribusi Peluang, distribusi variabel acak, dan
merumuskan uji hipotesis
2. Uji persyaratan analisis data : Uji normalitas dan
homogenitas.
3. Uji hipotesis dengan kesamaan dua rerata
4. Uji rerata dan uji lanjutan untuk satu faktor
dengan pendekatan parametrik.
5. Uji rerata dan uji lanjutan untuk dua faktor dengan
pendekatan parametrik.
6. Penggunaan software statistika untuk menguji
rerata dan uji lanjutan untuk satu faktor dan dua
faktor dengan pendekatan parametrik.
7. Uji hipotesis dengan analisis regresi sederhana dan
korelasi serta interpretasinya
8. Uji hipotesis dengan analisis regresi linear
berganda
9. Uji hipotesis dengan jalur dengan 3 variabel.
3
D. KEGIATAN PEMBELAJARAN (METODE)
Pembelajaran ini menggunakan strategi pembelajaran sinkronous dan asinkronous
dengan pendekatan direct teaching dan indirect teaching. Direct teaching: dosen
menjelaskan dan atau mempresentasikan materi, baik penyajian materi yang dirancang
secara khusus oleh dosen maupun berupa penjelasan atau komentar terhadap
pemaparan mahasiswa. Indirect teaching: mahasiswa secara mandiri melakukan
eksplorasi, penemuan dan pengkajian terhadap konsep-konsep atau materi yang telah
ditetapkan. Bentuknya berupa penugasan dan presentasi.
Metode pembelajaran yang digunakan adalah Project-based Learning/Team-Based
Project Learning, Case-Based Learning, Cooperative Learning, dan Problem-Based
Learning.
1. Case-based Learning
a. Kasus yang dibahas adalah:
1) Kasus terkait uji kesamaan rerata
2) Kasus terkait uji Anova satu jalur
3) Kasus terkait uji Anova dua jalur
4) Kasus terkait korelasi
b. Langkah-langkah
1) Membagikan kasus.
2) Memfasilitasi dan mengobservasi diskusi kelompok. Mahasiswa secara
berkelompok mengidentifikasi permasalahan dan informasi atau data
menganalisis,mencari alternatif pemecahan maslah dan menganalisis
informasi/data untuk mencari alternatif-alternatif pemecahan masalahnya
3) Pemaparan hasil diskusi kelompok di kelas
4) Dosen memberi penguatan pada penyimpulan dan memberikan catatan
kelebihan dan kekurangan dalam proses pemecahan kasus.
c. Hasil pembelajaran diukur menggunakan instumen:
1) Observasi
2) Kinerja
2. Project-based learning
1. Proyek yang dikerjakan adalah:
a) Analisis data kausal
b) Analisis data dengan Ancova
2. Langkah-langkah pembelajarannya adalah:
a) Merancang permasalahan
b) Proses pemecahan masalah
c) Penyelesaian produk
d) Penyusunan laporan
e) Pemaparan produk
f) Revisi produk
3. Hasil pembelajaran diukur menggunakan instumen:
a. Observasi
b. Kinerja
E. MEDIA PEMBELAJARAN
Media yang digunakan dalam pembelajaran ini:
Perangkat Keras Perangkat Lunak
4
1. Komputer
2. HP
1. LMS
2. Zoom
3. Slide
4. Tautan
5. Video
6. Whatshap Group
F. TUGAS (TAGIHAN)
Tagihan mata kuliah ini:
1. Menyelesaikan kasus dengan menggunakan ukuran pemusatan data, ukuran penyebaran data, dan
eksplorasi data
2. Menyelesaikan kasus terkait uji persyaratan uji hipotesis
3. Menyelesaikan kasus terkait uji kesamaan rerata
4. Menyelesaikan kasus terkait Anova satu arah dan uji lanjutan
5. Menyelesaikan kasus terkait Anova dua arah dan uji lanjutan
6. Merancang dan melakukan pengujian regresi sederhana dan linear berganda
7. Merancang dan melakukan pengujian dengan path analisis
G. PENILAIAN
1. Komponen dan bobot penilaian mata kuliah ini:
a. Sikap 10%
b. Keterampilan umum 25%
c. Keterampilan khusus 25%
d. Pengetahuan 40%
2. Strategi Penilaian:
a. Penilaian Sikap: Non tes (Observasi).
b. Penilaian Keterampilan Umum: Non tes (penilaian kinerja).
c. Penilaian Keterampilan Khusus: Non tes (Produk akademik/portofolio)
d. Penilaian Pengetahuan: Tes bentuk essay dan non tes (penilaian kinerja dan
produk akademik/portofolio).
H. Strategi
Penilaian
Aspek yang Dinilai
Sikap
Keterampilan
Umum
Keterampilan
Khusus
Pengetahuan
Tes prestasi
(Achievement
test)
○ ○ ○ ●
Penilaian
Kinerja
○ ● ○ ●
Portofolio ○ ○ ● ●
Observasi ● ○ ○ ○
Survei ○ ○ ○ ○
5
Data
Longitudinal
○ ○ ○ ○
Data
Administratif
● ● ● ●
Review
Eksternal
○ ○ ○ ○
Keterangan:
○ Tidak digunakan dalam penilaian
● Sering digunakan untuk menilai keterampilan yang dimaksud
3. Instrumen:
a. Instrumen tes bentuk essay
b. Instrumen non tes (Observasi dan penilaian kinerja)
4. Kriteria penilaian/kelulusan
Mahasiswa dikategorikan lulus mata kuliah ini apabila memiliki nilai akhir minimal
C berdasarkan rentang penilaian berikut ini:
Tingkat Penguasaan
(%)
Huruf Angka Keterangan
86 – 100 A 4,0 Lulus
81 – 85 A- 3,7 Lulus
76 – 80 B+ 3,3 Lulus
71 – 75 B 3,0 Lulus
66 – 70 B- 2,7 Belum Lulus
61 – 65 C+ 2,3 Belum Lulus
56 – 60 C 2,0 Belum Lulus
51 – 55 C- 1,7 Belum Lulus
46 – 50 D 1,0 Belum Lulus
0 – 45 E 0,0 Belum Lulus
I. KEBIJAKAN PERKULIAHAN
Peraturan yang berlaku pada mata kuliah ini adalah:
1. Kehadiran : Mahasiswa yang tidak hadir lebih dari 20% dari total
pertemuan, baik dengan pemberitahuan ataupun tidak,
dianggap tidak lulus dan mendapatkan nilai E.
2. Keterlambatan : a. Toleransi keterlambatan hadir di kelas adalah 15 menit.
Jika sudah melewati batas waktu toleransi, maka tidak
diperkenankan untuk masuk kelas
6
b. Keterlambatan penyerahan tugas selama 1-7 hari dari
tenggat waktu yang ditetapkan akan mendapat
pengurangan nilai sebanyak 20 poin dari total 1-100
poin.
c. Keterlambatan penyerahan tugas 7 hari lebih dari tenggat
waktu yang telah ditetapkan, maka tugas tidak akan
diproses dan mendapatkan skor 0.
3. Tidak
mengikuti
ujian/tidak
menyerahkan
tugas
: Mahasiswa yang tidak mengikuti ujian atau tidak
menyerahkan tugas tanpa pemberitahuan/keterangan apapun
akan diberikan nilai D pada ujian/tugas tersebut.
4. Kecurangan
akademik
: Mahasiswa wajib mematuhi standar aturan dan kebijakan
tentang kejujuran akademik, menghindari tindakan
plagiarisme, serta kecurangan dalam ujian/tugas. Bila
terbukti melakukan tindakan kecurangan akademik, maka
ujian/tugas tersebut tidak akan dinilai.
5. Etika di dalam
kelas luring
: a. Mahasiswa tidak diperkenankan mengenakan pakaian
yang memperlihatkan aurat (ketat/transparan).
b. Mahasiswa tidak menggunakan alat komunikasi untuk
keperluan yang tidak terkait dengan pembelajaran.
c. Mahasiswa tidak membuat kegaduhan yang
mengganggu ketertiban pembelajaran.
6. Etika di dalam
kelas daring
: a. Mahasiswa tidak diperkenankan mengenakan pakaian
yang memperlihatkan aurat (ketat/transparan).
b. Mahasiswa wajib menampilkan identitas diri dalam
bentuk tulisan, citra, atau video.
c. Mahasiswa tidak diperkenankan mengaktifkan suara saat
dosen sedang memberikan materi.
d. Saat ingin mengajukan pertanyaan, mahasiswa dapat
memberi tanda dengan menggunakan emoticon raise
hand atau menuliskan pertanyaannya di fitur chat
J. SUMBER (REFERENSI)
Referensi Utama:
1. Agus Widarjono. 2015. Analisis Statistik Multivariat Terapan. Sleman: UPP STIM YKPN.
2. Allan G. Bluman. 2012. Elementary Statistics: A Step by Step Approach. Eight Edotion.
New York: The McGraw-Hill Companies, Inc.
3. Habiby, Wahdan Najib. 2017. Statistik Pendidikan. Surakarta: Muhamadyah University
Press.
7
4. Herhyanto, Nar dkk. 2014. Statistika Pendidikan. Jakarta: Universitas Terbuka.
5. Ian S.Peers. 2006. Statistical Analysis for Education and Psychology Researchers. Bristol:
Taylor & Francis e-Library.
6. E E. Bassett, et. al. 2000. Statistics. Problems and Solutions. Second Edition. Singapore:
World Scientific Publishing Co. Re. Ltd.
7. Gene V. Glass, and Kenneth D. Hopkins, Statistical Methods in Education and
Psychology, New Jersey: Prentice Hall, 1970.
8. Herhyanto, Nar dkk. 2014. Statistika Pendidikan. Jakarta: Universitas Terbuka
9. Jimmie Leppink. 2019. Statistical Methods for Experimental Research in Education
and Psychology. New York: Springer.
10. Joseph F. Healey. 2012. Statistics: A Tool for Social Research. Ninth Edition. Belmont,
California: Wadsworth, Cengage Learning.
11. Kadir. 2015. Statistika Terapan. Konsep, Contoh dan Analisis Data dengan Program
SPSS/Lisrel dalam Penelitian. Edisi Ketiga. Depok: PT. RajaGrafindo Persada.
12. Neil A. Weiss. 2012. Introductory Statistics. 9
th
Edition. Boston: Pearson Education, Inc.
13. Riduwan dan Sunarto. 2009. Pengantar Statistika untuk Penelitian Pendidikan, Sosial,
Ekonomi, Komunikasi dan Bisnis. Bandung: CV Alfabeta.
14. Roger K. Kirk. 2008. Statistics in Introduction. Fifth Edition. Belmont: Thomson
Wadsworth.
15. Siegel, Andrew F and Charles J. Morgan. 1996. Statistics and Data Analysis An Introduction.
2
nd
Edition. New York: John Wiley & Sons, Inc.
16. Sudjana. 2005. Metoda Statistika. Bandung: Tarsito.
17. Supardi. 2017. Statistik Penelitian Pendidikan. Perhitungan, Penyajian, Penjelasan,
Penafsiran, dan Penarikan Kesimpulan. Depok: PT. RajaGrafindo Persada.
18. Suyono. 2015. Analisis Regresi. Yogjakarta: Deepublish.
Referensi Pendukung:
1. Walpole, Ronald E., Raymond H. Myers, dan Sharon L. Myers. Alih Bahasa: Jozep
Edyanto. 2003. Probabilitas dan Statistika untuk Teknik dan Sains. Edisi ke-6, Jilid
1. Bandung: ITB.
2. Walpole, Ronald E., 1993. Pengantar Statistika, terjemahan Ir. Bambang Sumantri,
Jakarta: PT Gramedia.
3. Riduwan. 2009. Skala Pengukuran Variable-variable Penelitian. Bandung: CV
Alfabeta.
4. Michel H. Kutner. 2005. Applied Linear Statistical Models. Fifth Edition. New York:
MCGraw-Hill.
8
9
UNIVERSITAS NEGERI JAKARTA
FAKULTAS PASCASARJANA
PROGRAM STUDI MAGISTER PENELITIAN DAN EVALUASI PENDIDIKAN
RENCANA PEMBELAJARAN SEMESTER
MATAKULIAH
(MK)
KODE MATAKULIAH BOBOT (SKS) SEMESTER TANGGAL
PENYUSUNAN
Statistika
3 115
DOSEN
PENGAMPU
MATAKULIAH
(Tim Dosen Pasca)
KOORDINATOR
PROGRAM STUDI
OTORISASI/PENGAWASAN/
GPjM PASCASARJANA
(Dr. Herlina, M.Pd)
WAKIL DIREKTUR I
(Prof. Dr. Wardani Rahayu, M.Si)
TANGGAL
REVISI
Capaian
Pembelajaran
CPL-Program Studi yang Dibebankan pada Matakuliah (tuliskan CPL yang relevan dengan matakuliah saja)
Capaian
Pembelajaran
CPL-Program Studi yang Dibebankan pada Matakuliah (tuliskan CPL yang relevan dengan matakuliah saja)
CPL-1 Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri.
CPL-2 Memiliki kemampuan mengomunikasikan gagasan dan hasil penelitian, mengambil keputusan dalam konteks
menyelesaikan masalah pengembangan ilmu pengetahuan
CPL-3 Mampu mendesimenasikan hasil penelitian dan pengembangan di bidang Prodi Magister bersifat kekinian dengan
pendekatan interdisipliner yang diakui secara nasional dan global.
CPL-4 Terampil membuat perencanan penelitian, menyusun butir instrumen, analisis data dan intrepetrasinya sesuai dengan tujuan
penelitian.
Capaian Pembelajaran Matakuliah (CPMK)
CPMK-1 Menganalisis konsep-konsep statistika, variabel, pengukuran variabel, skala pengukuran dan jenis data
CPMK-2 Menyajikan data secara deskriptif dan interpretasinya
CPMK-3 Menganalisis konsep distribusi peluang
10
CPMK-4 Menguji hipotesis kesamaan rerata dan uji lanjut dengan menggunakan pendekatan paramterik serta terampil menggunakan
software statistika
CPMK-5 Menguji hipotesis dengan analisis korelasional, serta trampil menggunakan software statiska
Sub-Capaian Pembelajaran Matakuliah (Sub-CPMK)
Sub-CPMK-
1.1
Menganalisis konsep-konsep statistika, variabel acak, skala pengukuran dan jenis data
Sub-CPMK-
2.1
Menyajikan data dalam betul tabel dan grafik.
Sub-CPMK-
2.2
Menentukan ukuran pemusatan dan penyebaran data serta intrepretasinya.
Sub-CPMK-
3.1
Menganalisis Distribusi Peluang, distribusi variabel acak, dan merumuskan uji hipotesis
Sub-CPMK-
4.1
Menguji persyaratan analisis data.
Sub-CPMK-
4.2
Menguji kesamaan dua rerata.
Sub-CPMK-
4.3
Menguji rerata dan uji lanjutan untuk satu faktor dengan pendekatan parametrik.
Sub-CPMK-
4.4
Menguji rerata dan uji lanjutan untuk dua faktor dengan pendekatan parametrik.
Sub-CPMK-
4.5
Terampil menggunakan software statistika untuk menguji rerata dan uji lanjutan untuk satu faktor dan dua faktor dengan pendekatan
parametrik.
Sub-CPMK-
5.1
Melakukan analisis regresi sederhana dan korelasi serta interpretasinya.
Sub-CPMK-
5.2
Melakukan analisis regresi linear berganda.
Sub-CPMK-
5.3
Melakukan analisis jalur dengan 3 variabel.
Sub-CPMK-
5.4
Terampil memnggunakan software statistika untuk menguji hipotesis korelasional.
Korelasi CPMK dan Sub-CPMK (beri tanda atau arsiran)
Sub-CPMK-
1.1
Sub-CPMK-
2.1
Sub-
CPMK-
2.2
Sub-
CPMK-
3.1
Sub-
CPMK-
4.1
Sub-
CPMK-
4.2
Sub-
CPMK-
4.3
Sub-
CPMK-
4.4
Sub-
CPMK-
4.5
Sub-
CPMK-
5.1
Sub-
CPMK-
5.2
Sub-
CPMK-
5.3
Sub-
CPMK-
5.3
Sub-
CPMK-5.4
CPMK-1
CPMK-2
CPMK-3
CPMK-4
CPMK-5
11
RINCIAN RENCANA KEGIATAN PEMBELAJARAN
Pekan
Ke-
Sub-CPMK Indikator
Materi Perkuliahan/
Pokok Bahasan
Bentuk/
Metode
Pembe-
lajaran
Moda
Pembelajaran
Alokasi
Waktu
(Menit)
Penilaian
Referensi
Luring Daring Strategi
Kriteria
dan Rubrik
1 Menganalisis konsep-
konsep statistika, variabel
acak, skala pengukuran dan
jenis data
1. Menganalisis konsep
dasar statistika,
2. Menganalisis Variabel
acak
3. Membedakan skala
pengukuran.
1. Konsep dasar statistika,
populasi dan sampel.
2. Variabel acak
3. Jenis data, dan skala
pengukuran.
Diskusi Zoom
atau
LMS
T = 340
P = 170
Non tes:
Observasi
Kuantitatif 1-16
2 Menyajikan data dalam
bentuk tabel dan grafik
Menyajikan data dalam
bentuk tabel dan grafik
Penyajian data dalam
bentuk table dan grafk
Case
Based
Learning
(CBL)
Zoom
atau
LMS
T = 170
P = 340
Non tes:
Penilaian
kinerja
Kuantitatif 1-16
3 Menentukan ukuran
pemusatan, penyebaran data
dan ekplorasi data
serta intrepretasinya
1. Menghitung mean,
median, dan modus
secara manual atau
menggunakan software
(microsoft excel atau
SPSS).
2. Menghitung kuartil,
variansi, dan standar
deviasi secara manual
atau menggunakan
software (microsoft
excel atau SPSS).
3. Melakukan eksplorasi
data (histogram,
diagram batang daun,
box plot) dengan
menggunakan software
(microsoft excel atau
SPSS) dan
intepretasinya
1. Konsep ukuran
pemusatan data.
2. Konsep ukuran
penyebaran data
3. Eksplorasi data
Case
Based
Learning
(CBL)
Zoom
atau
LMS
T = 170
P = 340
Non tes:
Penilaian
kinerja
Kuantitatif 1-16
12
Pekan
Ke-
Sub-CPMK Indikator
Materi Perkuliahan/
Pokok Bahasan
Bentuk/
Metode
Pembe-
lajaran
Moda
Pembelajaran
Alokasi
Waktu
(Menit)
Penilaian
Referensi
Luring Daring Strategi
Kriteria
dan Rubrik
4 Menganalisis Distribusi
Peluang, distribusi variabel
acak, dan merumuskan uji
hipotesis
1. Menentukan distribusi
peluang suatu variabel
acak.
2. Mengenali distribusi
normal, t, F, dan Chi
kuadrat serta sifat-
sifatnya.
3. Merumuskan hipotesis
nol dan alternatif suatu
penelitian.
4. Menentukan penolakan
atau penerimaan
hipotesis dengan taraf
signifikansi tertentu
1. Distribusi Peluang,
distribusi variabel acak,
dan uji hipotesis
Diskusi Zoom
atau
LMS
T = 340
P = 170
Non tes:
Penilaian
kinerja
Kuantitatif 1-16
5 Menguji persyaratan
analisis data
1. Menguji normalitas data
2. Menguji homogenitas
dua populasi atau lebih
Uji Normalitas dan Uji
Homogenitas
Diskusi Zoom
atau
LMS
T = 170
P = 340
Non tes:
Penilaian
kinerja
Kuantitatif 1-16
6 Menguji kesamaan dua
rerata.
1. Menguji kesamaan rata-
rata dua populasi
independen dengan uji
t.
2. Menguji kesamaan rata-
rata data berpasangan
dengan uji t
1. Uji kesamaan rata-rata
dua populasi independen
dengan uji t.
2. Uji kesamaan rata-rata
data berpasangan dengan
uji t
Case
Based
Learning
(CBL)
Zoom
atau
LMS
T = 170
P = 340
Non tes:
Penilaian
kinerja
Kuantitatif 1-16
7 Menguji rerata dan uji
lanjutan untuk satu faktor
dengan pendekatan
parametrik
1. Menguji rerata untuk 1
faktor dengan ANAVA
satu arah dengan
pendekatan parametrik
serta interpretasinya.
2. Menguji lanjutan
menggunakan Uji
Scheffe dan Uji Tukey.
1. Uji rerata untuk 1 faktor
dengan ANAVA satu
arah dengan pendekatan
parametrik serta
interpretasinya.
2. Uji lanjutan
menggunakan Uji
Scheffe dan Uji Tukey.
Case
Based
Learning
(CBL)
Zoom
atau
LMS
T = 170
P = 340
Non tes:
Penilaian
kinerja
Kuantitatif 1-16
13
Pekan
Ke-
Sub-CPMK Indikator
Materi Perkuliahan/
Pokok Bahasan
Bentuk/
Metode
Pembe-
lajaran
Moda
Pembelajaran
Alokasi
Waktu
(Menit)
Penilaian
Referensi
Luring Daring Strategi
Kriteria
dan Rubrik
8 Menguji rerata dan uji
lanjutan untuk dua faktor
dengan pendekatan
parametrik dan non
parametrik.
1. Menguji rerata untuk 2
faktor dengan anava
satu arah dengan
pendekatan parametrik
serta interpretasinya.
2. Menguji lanjutan
menggunakan Uji
Scheffe, Uji Tukey atau
uji t.
1. Uji rerata untuk 2 faktor
dengan anava satu arah
dengan pendekatan
parametrik serta
interpretasinya.
2. Uji lanjutan
menggunakan Uji
Scheffe, Uji Tukey atau
uji t.
Case
Based
Learning
(CBL)
Zoom
atau
LMS
T = 170
P = 340
Non tes:
Penilaian
kinerja
Kuantitatif 1-16
9 Terampil menggunakan
software statistika untuk
menguji rerata dan uji
lanjutan untuk satu faktor
dan dua faktor dengan
pendekatan parametrik
Menguji rerata dan uji
3. lanjutan untuk satu
faktor dan dua faktor
dengan pendekatan
parametrik dengan
menggunakan software
3. Uji rerata dan uji
lanjutan untuk satu
faktor dan dua faktor
dengan pendekatan
parametrik dengan
menggunakan software
Case
Based
Learning
(CBL)
Zoom
atau
LMS
T = 170
P = 340
Non tes:
Penilaian
kinerja
Kuantitatif 1-16
10 Ujian Tengah Semester
11 Melakukan analisis regresi
sederhana dan korelasi serta
interpretasinya.
1. Mengestimasi koefisien
regresi sederhana
2. Menguji keberartian
model regresi
sederhana.
3. Menguji kesesuaian
regresi linear sederhana
atau uji linearitas.
4. Menentukan koefisien
korelasi serta
interpretasinya
5. Menentukan koefisien
determinasi serta
interpretasinya.
1. Estimasi koefisien
regresi sederhana
2. Uji keberartian model
regresi sederhana
3. Uji kesesuaian regresi
linear sederhana atau uji
linearitas.
4. Koefisien korelasi serta
interpretasinya
5. Koefisien determinasi
serta interpretasinya.
Case
Based
Learning
(CBL)
Zoom
atau
LMS
T = 170
P = 340
Non tes:
Penilaian
kinerja
Kuantitatif 1-16
12-13 Melakukan analisis regresi
linear berganda.
1. Mengestimasi koefisien
regresi dan variansi
sesatan dalam regresi
1. Estimasi koefisien
regresi dan variansi
sesatan dalam regresi
Case
Based
Zoom
atau
LMS
T = 170
P = 340
Non tes:
Penilaian
kinerja
Kuantitatif 1-16
14
Pekan
Ke-
Sub-CPMK Indikator
Materi Perkuliahan/
Pokok Bahasan
Bentuk/
Metode
Pembe-
lajaran
Moda
Pembelajaran
Alokasi
Waktu
(Menit)
Penilaian
Referensi
Luring Daring Strategi
Kriteria
dan Rubrik
linear dengan dua
variabel bebas atau
lebih.
2. Menguji kesesuaian
model regresi linear
berganda.
3. Menguji koefisien
regresi secara individu
linear dengan dua
variabel bebas atau
lebih.
2. Uji kesesuaian model
regresi linear berganda.
3. Uji koefisien regresi
secara individu
Learning
(CBL)
14-15 Melakukan analisis jalur
dengan 3 variabel.
1. Mengestimasi koefisien
jalur.
2. Menguji koefisien jalur.
3. Menentukan besarnya
pengaruh langsung dan
pengaruh tidak
langsung
4. Menganalisis untuk
menguji hipotesis
korelasional dengan
menggunakan software
1. Estimasi koefisien jalur.
2. Uji koefisien jalur.
3. Koefisien pengaruh
langsung dan pengaruh
tidak langsung
4. Analisis untuk menguji
hipotesis korelasional
dengan menggunakan
software
Project
Based
Learning
(PjBL)
Oraktik
langsung
Zoom
atau
LMS
T = 170
P = 340
Non tes:
Penilaian
kinerja
Kuantitatif 1-16
16 Ujian Akhir Semester
Keterangan:
T = Teori
P = Praktik
LAMPIRAN RPS
1. Tabel Revisi/Catatan Perubahan RPS
Tanggal Penyusunan Tanggal Revisi Tim Perevisi Isi Revisi
15
1. Prof. Dr. Wardani Rahayu,
M.Si
2. Dr. Ir. Madiyah, M.Kes
3. Dr. Pinta Deniyanti
Sampoerno, M.Si
4. Dr. Ir. Bagus Suamrgo, M.Si
5. Dr. Ir. Fatah Nurdni, M.M
6. Dr. Iva Sarifah, M.Pd
1. Penyesuaian format RPS SFD
2. Penyesuaian rumusan CPL
3. Pengimplementasian model pembelajaran (CBL
dan PjBL)
4. Penyesuaian bahan kajian
5. Penyusunan tugas berbasis CBL atau PjBL
6.
2. Peta konsep
16
3. Materi Ajar (buku, salindia, dll)
Pertemuan Materi
1 1. PPT Konsep Dasar Statistika
2 1. PPT Penyajian data dalam betuk tabel dan grafik
2. https://youtu.be/CcTff0ztUO4
3. https://youtu.be/NF_986iOzzQ
Statistika
Statistika
Deskriptif
Penyajian Data
Pengolahan
Data
Statistika
Inferensial
Uji Persyaratan
Uji Hipotesis
Uji Normalitas
Uji
Homogenitas
Uji Hipotesis
Uji
Korelasional
Non Kausal
Regresi Korelasi
Linear Ganda
Uji Kausal
Analisis Jalur
(Eksploratori)
Uji
Komparasional
Uji Kesamaan
Rerata
17
Pertemuan Materi
4. https://youtu.be/kbEgBH6rd-s
5. https://www.youtube.com/watch?v=CwJ5LqDPk6M
3 1. PPT Ukuran pemusatan dan ukuran penyebaran
2. https://youtu.be/IQY5WZnQ_aw
4 1. PPT Distribusi
2. https://www.youtube.com/watch?v=hcDb12fsbBU
3. https://www.youtube.com/watch?v=CfZa1daLjwo
4. https://www.youtube.com/watch?v=gI5y3RZe9fk
5. https://www.livescience.com/21490-what-is-a-scientific-hypothesis-definition -
of-hypothesis.html
5 1. PPT Uji Persyaratan analisis data
2. https://youtu.be/BWvkj_Cw-Qw
3. https://stattrek.com/chi-square-test/homogeneity.aspx
4. https://methods.sagepub.com/base/download/.../bartletts-test-gss-2016-r
5. https://www.statisticshowto.com/bartletts-test/
6. https://www.youtube.com/watch?v=4mkEZxgxMRA
7. https://medium.com/@ahamedifham/how-to-do-normality-test-using-spss-
de5234080f6d
6 1. PPT Pengujian kesamaan dua rerata dengan pendekatan parametrik
2. https://youtu.be/CsXy6oOidTQ
3. https://youtu.be/sMZfJeeU26U
4. https://www.statisticssolutions.com/manova-analysis-paired-sample-t-test/
5. https://www.statisticshowto.com/probability-and-statistics/t-test/
6. https://www.youtube.com/watch?v=4bOqYv9ZQgA
18
Pertemuan Materi
7 1. PPT Anava Satu Faktor
2. https://youtu.be/jsuueib5YjE
3. https://youtu.be/nujvUMCGix4
4. https://www.academia.edu/36906684
5. https://people.richland.edu/james/lecture/m170/ch13-dif.html
6. https://www.researchgate.net/.../What_are_the_differences_among_various_ post-
hoc_tests
7. https://www.youtube.com/watch?v=y9Mz6gcu0tw
8 1. PPTAnava Dua Faktor
2. https://www.statistikian.com/2012/11/one-way-anova-dalam-spss.html
3. korem091-tniad.mil.id/tepehwiu/anova-post-hoc.html.
4. hattiesburgzoo.com/ainj9qbz/tukey-test-interpretation.html
5. https://statisticsbyjim.com/anova/post-hoc-tests-anova/
6. https://www.statisticssolutions.com/manova-analysis-anova/
7. https://www.statistikian.com/2012/11/interprestasi-output-two-way-anova-dalam-
spss.html
9 1. https://www.semestapsikometrika.com/.../analisis-anova-dengan-spss.html
2. https://aaronschlegel.me/tukeys-test-post-hoc-analysis.html
11 1. PPT Regresi Linear
2. https://online.stat.psu.edu/stat462/node/91/
3. https://www.ssrn.com/abstract=2959804
4. https://www.youtube.com/watch?v=KsVBBJRb9TE
5. https://www.statisticssolutions.com/what-is-linear-regression/
6. https://youtu.be/usEDD3qr-4g
7. https://youtu.be/OUhIsJzn2Ts
12-13 1. PPT Regresi Ganda
2. https://www.youtube.com/watch?v=dQNpSa-bq4M
3. https://towardsdatascience.com/understanding-multiple-regression- 249b16bde83e
4. htps://www.statisticssolutions.com/what-is-multiple-linear-regression/
5. https://www.youtube.com/watch?v=BacUGgAMIWE&t=43s
6. https://youtu.be/DQyxd3JhmVA
14-15 1. PPT Analisis Jalur
2. https://www.youtube.com/watch?v=QYOTNDjhy-A
19
Pertemuan Materi
3. https://www.youtube.com/watch?v=BacUGgAMIWE&t=43s
4. https://youtu.be/zPA3vOZov6I
5. https://youtu.be/aIKFZj2jqss
6. https://youtu.be/R2AWEwOipIY
7. https://youtu.be/3mMZCKp7vDw
8. https://youtu.be/B_VCPnP5kTA
4. Rincian Tugas
Tugas Individu 1
Mata Kuliah : Statistika
Semester : 115
SKS : 3 SKS
Tugas ke- : 1
Tujuan tugas : Diberikan suatu kasus, mahasiswa dapat menentukan
ukuran pemusatan dan penyebaran data serta
intrepretasinya
Waktu Pelaksanaan tugas : 1 pekan
Waktu penyerahan tugas : Pertemuan ke-4
Uraian tugas
: Rancang suatu kasus, kemudian tentukan ukuran
pemusatan data, ukuran penyebaran data, dan eksplorasi
data.
Kriteria Penilaian : Rubrik
Tugas Individu 2
Mata Kuliah : Statistika
Semester : 115
SKS : 3 SKS
Tugas ke- : 2
Tujuan tugas : Diberikan suatu kasus, mahasiswa dapat menguji
persyaratan uji hipotesis
Waktu Pelaksanaan tugas : 1 pekan
Waktu penyerahan tugas : Pertemuan ke-6
20
Uraian tugas : Rancang suatu kasus kemudian lakukan uji persyaratan
analisis data
Kriteria Penilaian : Rubrik
Tugas Individu 3
Mata Kuliah : Statistika
Semester : 115
SKS : 3 SKS
Tugas ke- : 3
Tujuan tugas : Diberikan suatu kasus, mahasiswa dapat menguji
kesamaan rerata
Waktu Pelaksanaan tugas : 1 pekan
Waktu penyerahan tugas : Pertemuan ke-7
Uraian tugas : Rancang suatu kasus kemudian lakukan uji kesamaan
rerata.
Kriteria Penilaian : Rubrik
Tugas Individu 4
Mata Kuliah : Statistika
Semester : 115
SKS : 3 SKS
Tugas ke- : 4
Tujuan tugas : Diberikan suatu kasus, mahasiswa dapat menguji
hipotesis dengan anova satu arah dan uji lanjutan
Waktu Pelaksanaan tugas : 1 pekan
Waktu penyerahan tugas : Pertemuan ke-8
Uraian tugas : Rancang suatu kasus kemudian lakukan uji hipotesis
dengan anova satu arah dan uji lanjutan.
Kriteria Penilaian : Rubrik
Tugas Kelompok 1
Mata Kuliah : Statistika
Semester : 115
SKS : 3 SKS
Tugas ke- : 5
21
Tujuan tugas : Diberikan suatu kasus, mahasiswa dapat menguji
hipotesis dengan anova dua arah dan uji lanjutan
Waktu Pelaksanaan tugas : 1 pekan
Waktu penyerahan tugas : Pertemuan ke-10
Uraian tugas : Rancang suatu kasus kemudian lakukan uji hipotesis
dengan anova dua arah dan uji lanjutan.
Kriteria Penilaian : Rubrik
Tugas Kelompok 2
Mata Kuliah : Statistika
Semester : 115
SKS : 3 SKS
Tugas ke- : 6
Tujuan tugas : Mahasiswa dapat melakukan pengujian regresi
sederhana dan linear berganda
Waktu Pelaksanaan tugas : 1 pekan
Waktu penyerahan tugas : Pertemuan ke-13
Uraian tugas : Rancang suatu kasus kemudian lakukan pengujian
regresi sederhana dan linear berganda.
Kriteria Penilaian : Rubrik
Tugas Kelompok 3
Mata Kuliah : Statistika
Semester : 115
SKS : 3 SKS
Tugas ke- : 7
Tujuan tugas : Mahasiswa dapat merancang data hasil penelitian kausal
dan melakukan pengujian dengan path analisis
Waktu Pelaksanaan tugas : 1 pekan
Waktu penyerahan tugas : Pertemuan ke-16
Uraian tugas : Rancang suatu data hasil penelitian kausal kemudian
lakukan pengujian dengan path analisis.
Kriteria Penilaian : Rubrik
22
5. Kisi-kisi dan Instrumen Penilaian
a. Kisi-kisi Instrumen
No. CPMK SUB-CPMK
Bentuk
Penilaian
Jenis
Penilaian
Nomor
Butir
Tes Non Tes
1 Menganalisis konsep-
konsep statistika, variabel,
pengukuran variabel, skala
pengukuran dan jenis data
Menganalisis konsep-konsep
statistika, variabel,
pengukuran variabel, skala
pengukuran dan jenis data.
Observasi
2 Menyajikan data secara
deskriptif dan
interpretasinya
Menyajikan data dalam betul
tabel dan grafik.
Observasi
Kinerja
Menentukan ukuran
pemusatan dan penyebaran
data serta intrepretasinya.
Essay
Observasi
Kinerja
3 Menganalisis konsep
distribusi peluang
Menganalisis distribusi
peluang, distribusi variabel
acak, konsep-konsep dasar
dalam uji hipotesis.
Observasi
4 Menguji hipotesis
kesamaan rerata dan uji
lanjut dengan
menggunakan pendekatan
parametrik serta terampil
menggunakan software
statistika
Menguji persyaratan analisis
data: Uji normalitas dan
homogenitas.
Observasi
Kinerja
Menguji kesamaan dua
rerata.
Observasi
Kinerja
Menguji rerata dan uji
lanjutan untuk satu faktor
dengan pendekatan
parametrik
Observasi
Kinerja
Menguji rerata dan uji
lanjutan untuk dua faktor
dengan pendekatan
parametrik
Observasi
Kinerja
Terampil menggunakan
software statistika untuk
menguji rerata dan uji
lanjutan untuk satu faktor
dan dua faktor dengan
pendekatan parametrik
Observasi
Kinerja
23
No. CPMK SUB-CPMK
Bentuk
Penilaian
Jenis
Penilaian
Nomor
Butir
Tes Non Tes
5 Menguji hipotesis
dengan analisis
korelasional, serta
trampil menggunakan
software statistika
Melakukan analisis regresi
sederhana dan korelasi serta
interpretasinya.
Essay
Observasi
Kinerja
Melakukan analisis regresi
linier berganda.
Essay
Observasi
Kinerja
Melakukan analisis jalur
dengan 3 variabel.
Essay
Observasi
Kinerja
Terampil menggunakan
software statistika untuk
menguji hipotesis
korelasional.
Observasi
Kinerja
b. Instrumen Penilaian
a. Rubrik Penilaian Sikap (Observasi)
Aspek Yang
Dinilai
Skor 4 Skor 3 Skor 2 Skor 1
Memiliki
kemampuan
bekerjasama
secara efektif
baik secara
individu
maupun
kelompok yang
interdisiplin dan
multidisiplin
sesuai dengan
etika profesi.
Sangat memiliki
kemampuan
bekerjasama
secara efektif
baik secara
individu
maupun
kelompok yang
interdisiplin dan
multidisiplin
sesuai dengan
etika profesi.
Memiliki
kemampuan
bekerjasama
secara efektif baik
secara individu
maupun
kelompok yang
interdisiplin dan
multidisiplin
sesuai dengan
etika profesi.
Kurang memiliki
kemampuan
bekerjasama
secara efektif baik
secara individu
maupun
kelompok yang
interdisiplin dan
multidisiplin
sesuai dengan
etika profesi.
Sangat kurang
memiliki
kemampuan
bekerjasama
secara efektif baik
secara individu
maupun
kelompok yang
interdisiplin dan
multidisiplin
sesuai dengan
etika profesi.
Sikap
bertanggungjawab
Menunjukkan
sikap yang sangat
Menunjukkan sikap
bertanggungjawab
Menunjukkan sikap
kurang
Menunjukkan sikap
yang sangat kurang
24
atas pekerjaan di
bidang
keahliannya
secara mandiri
bertanggungjawab
atas pekerjaan di
bidang
keahliannya
secara mandiri
atas pekerjaan di
bidang keahliannya
secara mandiri
bertanggungjawab
atas pekerjaan di
bidang keahliannya
secara mandiri
bertanggungjawab
atas pekerjaan di
bidang keahliannya
secara mandiri
b. Rubrik Penilaian Kinerja
a) Penilaian CMPK 2 dan 4
Aspek Yang
Dinilai
Skor 4 Skor 3 Skor 2 Skor 1
Kesesuaian
Kasus
Kasus yang
disajikan sangat
sesuai dengan
materi yang
dikaji
Kasus yang
disajikan sesuai
dengan materi
yang dikaji
Kasus yang
disajikan kurang
sesuai dengan
materi yang dikaji
Kasus yang
disajikan sangat
tidak sesuai
dengan materi
yang dikaji
Ketepatan
Analisis Data
Penentuan
rumus analisis
data tepat
dengan langkah-
langkah yang
benar
Penentuan rumus
analisis data tepat
namun terdapat
sebagian kecil
langkah-langkah
analisis data yang
salah
Penentuan rumus
analisis data tepat
namun terdapat
sebagian besar
langkah-langkah
analisis data yang
salah
Penentuan rumus
analisis data tidak
tepat
Ketepatan
menyimpulkan
hasil analisis
data
Kesimpulan
sangat sesuai
dengan rumusan
masalah yang
diajukan
Kesimpulan
sesuai dengan
rumusan masalah
yang diajukan
namun kurang
lengkap
Kesimpulan
kurang sesuai
dengan rumusan
masalah yang
diajukan
Kesimpulan
sangat tidak
sesuai dengan
rumusan masalah
yang diajukan
b) Penilaian CPMK 5
25
Aspek Yang
Dinilai
Skor 4 Skor 3 Skor 2 Skor 1
Kesesuaian
rancangan
proyek dengan
materi yang
dikaji
Seluruh
rancangan
proyek sangat
sesuai dengan
materi yang
dikaji
Sebagian besar
rancangan proyek
sesuai dengan
materi yang dikaji
Sebagian kecil
rancangan proyek
sesuai dengan
materi yang dikaji
Seluruh
rancangan proyek
tidak sesuai
dengan materi
yang dikaji
Ketepatan
Analisis Data
Penentuan
rumus analisis
data tepat
dengan langkah-
langkah yang
benar
Penentuan rumus
analisis data tepat
namun terdapat
sebagian kecil
langkah-langkah
analisis data yang
salah
Penentuan rumus
analisis data tepat
namun terdapat
sebagian besar
langkah-langkah
analisis data yang
salah
Penentuan rumus
analisis data tidak
tepat
Ketepatan
menyimpulkan
hasil analisis
data
Kesimpulan
sangat sesuai
dengan rumusan
masalah yang
diajukan
Kesimpulan
sesuai dengan
rumusan masalah
yang diajukan
namun kurang
lengkap
Kesimpulan
kurang sesuai
dengan rumusan
masalah yang
diajukan
Kesimpulan
sangat tidak
sesuai dengan
rumusan masalah
yang diajukan
Ketepatan
penyusunan
laporan proyek
Seluruh isi
laporan proyek
sesuai dengan
rancangan yang
disusun
Sebagian besar isi
laporan proyek
sesuai dengan
rancangan yang
disusun
Sebagian kecil isi
laporan proyek
sesuai dengan
rancangan yang
disusun
Seluruh isi
laporan proyek
tidak sesuai
dengan rancangan
yang disusun
26
c. Soal Essay
a) Ujian Tengah Semester (UTS)
UJIAN TENGAH SEMESTER STATISTIKA
3 Nopember 2020
Petunjuk:
4. Sifat: Open Book
Soal:
1. Buatlah data sebanyak 52 dengan data terendah 17 dan tertinggi 78, kemudian tentukan:
a. Rerata
b. Modus
c. Median
d. Kuartil
e. Simpangan kuartil
f. D6
g. P37
h. Varians.
i. Standar Deviasi
2. Diketahui rata-rata berat badan 35.000 siswa kelas IV SD adalah 33,05 dengan simpangan baku 2,04.
a. Berapa % siswa yang berat badannya lebih dari 35 kg
b. Berapa orang siswa yang berat badannya 38 kg
c. Berapa orang siswa yang berat badannya antara 35 dan 38 kg
3. Buatlah data A sebanyak 50 dengan data terendah 32 dan tertinggi 93 dan data B sebanyak 40 dengan data terendah 34 dan tertinggi 89, kemudian:
a. Buatlah tabel distribusi frekuensi, frekuensi kumulatif, histogram, dan ogive dari data A atau B
b. Tentukan rerata, median, modus, kuartil, dan simpangan baku dari data A atau B.
c. Uji normalitas dari data A atau B
d. Uji homogenitas kedua data tersebut.
e. Lakukan uji kesamaan rerata.
27
b) Ujian Akhir Semester (UAS)
UJIAN AKHIR SEMESTER
MATA KULIAH: STATISTIKA
Tanggal 13 Januari 2021
Petunjuk:
1. Sifat ujian: Take Home
Soal:
A. Buatlah analisis data komparasional dengan tahapan:
1. Merumuskan judul penelitian
2. Merumuskan masalah penelitian
3. Merumuskan hipotesis penelitian
4. Merumuskan hipotesis statistika
5. Melakukan uji persyaratan dengan data minimal 40
6. Melakukan uji hipotesis
7. Membuat kesimpulan hasil penelitian.
B. Buatlah analisis data korelasional dengan tahapan:
1. Merumuskan judul penelitian
2. Merumuskan masalah penelitian
3. Merumuskan hipotesis penelitian
4. Merumuskan hipotesis statistika
5. Melakukan uji persyaratan dengan data minimal 34
6. Melakukan uji hipotesis
7. Membuat kesimpulan hasil penelitian.
C. Buatlah analisis data kausal dengan tahapan:
1. Merumuskan judul penelitian
2. Merumuskan masalah penelitian (rumusan masalah pengaruh langsung)
3. Merumuskan hipotesis penelitian
4. Merumuskan hipotesis statistika
5. Melakukan uji persyaratan dengan data minimal 92
6. Melakukan uji hipotesis
7. Membuat kesimpulan hasil penelitian.