Analisis Real
Mata kuliah analisis real merupakan mata kuliah wajib di program studi sarjana pendidikan matematika. adapun materinya meliputi:
Pengantar Pendidikan
Materi Pengantar Pendidikan membahas tetang :
1. Fenomena Pendidikan
2. Pengertian Pendidikan dan Batas- batasnya
3. Pendidikan sebagai ilmu dan sistem
4. Tinjauan Filosofis pendidikan
KAJIAN MATEMATIKA SMP II
Deskripsi Mata Kuliah:
Matakuliah
ini membahas tentang cara menganalisis, menjelaskan, membelajarkan materi matematika SMP yang
meliputi: a)Persamaan Linear Dua Variabel
• Penyelesaian persamaan
linear dua variabel c)Lingkaran
• Lingkaran g)Bilangan Berpangkat dan Bentuk Akar
• Model dan sistem
persamaan linear dua variabel
b)Teorema Pythagoras
• Hubungan antar panjang
sisi pada segitiga siku-siku
• Pemecahan masalah yang
melibatkan teorema Pythagoras
• Unsur-unsur lingkaran
• Panjang busur
• Luas juring
• Hubungan sudut pusat
dengan sudut keliling
• Garis singgung
persekutuan dalam dua lingkaran
• Garis singgung persekutuan
luar dua lingkaran
d)Bangun Ruang Sisi Datar
• Kubus, balok, prisma,
dan limas
• Jaring-jaring: Kubus,
balok, prisma, dan limas
• Luas permukaan: kubus,
balok, prisma, dan limas
• Volume: kubus, balok,
prisma, dan limas
Menaksir volume bangun ruang tak beraturan
e)Statistika:
• Rata-rata, median, dan
modus
• Mengambil keputusan
berdasarkan analisis data
• Membuat prediksi
berdasarkan analisis data
f)Peluang
• Titik sampel
• Ruang sampel
• Kejadian
• Peluang empirik
• Peluang teoretik
• Hubungan antara peluang
empirik dengan peluang teoretik
• Bilangan berpangkat
bulat negatif dan nol
• Bentuk akar
APLIKASI KOMPUTER
PENDAHULUAN
A. Deskripsi Mata Kuliah
Bab pendahuluan mencakup tentang pentingnya pemahaman mahasiswa tentang perkembangan TIK khususnya dalam bidang matematika. Pemanfaatan TIK sangat diperlukan sekali dalam penyusunan dan pengembangan penggunaan media pembelajaran terutama pada mata pelajaran matematika yang sangat menekankan pada pemahaman konsep. Penggunaan media pembelajaran matematika berbasis software akan sangat mempermudah siswa dalam memahami konsep matematika yang bersifat abstrak, membantu mempermudah membuat objek-objek seperti grafik, bangun geometri, bahkan juga mampu membantu menyelesaikan permasalahan matematika.
Pada mata kuliah ini, mahasiswa akan praktek
langsung mempelajari dan menggunakan software matematika seperti Algebrator, Bagatrix, Cabri II Plus, Cabri 3D, dan GeoGebra yang nantinya akan menjadi keterampilan khusus bagi mahasiswa dan bekal sebagai calon guru. Mahasiswa juga diharapkan tidak hanya memiliki pengetahuan, pengalaman, kemampuan, serta keterampilan dalam menggunakan software tersebut, tetapi mahasiswa juga mampu mendesain pembelajaran berbasis software tersebut melalui lembar aktivitas siswa.
Sebelum memulai praktek, terlebih dahulu disampaikan mengenai identitas dari software yang akan dipraktekan, mulai dari sejarah dan perkembangannya, spesifikasi Komputer yang dibutuhkan untuk menjalankan software tersebut, hingga kelebihan dan kekurangan dari software tersebut.
Program Linear
Rencana Pembelajaran Program Linear
|
No. |
Capaian Pembelajaran (CP) Pertemuan |
Kemampuan akhir capaian pembelajaran |
Bahan Kajian / Materi Pembelajaran |
Metode Pembelajaran |
Pengalaman Belajar |
Kriteria Penilaian (Indikator) |
Waktu |
|
(1) |
(2) |
(3) |
(4) |
(5) |
(6) |
(7) |
(8) |
|
1. |
Kontrak Perkuliahan dan Pendahuluan Program Linear |
1.Dapat Memahami rencana perkuliahan dan sistem penilaian yang digunakan di dalam perkuliahan 2.Dapat memahami materi dasar Program Linear |
Kontrak perkuliahan, Pengertian, Masalah optimasi dan perumusan masalah nyata |
Metode kooperatif |
Penyajian materi oleh dosen
|
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
2. |
Aturan-prinsipyang berlaku dalam menyelesaikan Program Linear dengan Metode Grafik |
Dapat menyelesaikan Program Linear dengan Metode Grafik |
Program Linear dengan Metode Grafik |
Model Student Centre Learning (SCL) dengan Metode Diskusi |
Menganalisiskan permasalahan yang diajukan oleh dosen secara indivial maupun kelompok. |
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
3. |
Mampu menggambar grafik dan mencari kemungkinan kejadian penyelesaian |
Dapat mengidentfikasi kejadian penyelesaian melalui metode grafik |
Beberapa Kejadian Penyelesaian dengan Metode Grafik |
Metode Problem Based Learning (PBL) |
Berdiskusi, menentukan dan menyusun serta menambahkan tugas yang diberikan dosen lalu mempresentasikan hasilnya kepada mahasiswa lain. |
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
4. |
Mampu menggunakan Metode Simpleks dalam menyelesaikan masalah Program Linear |
Dapat menerapkan metode simpleks secara tepat dan benar |
Program Linear dengan Metode Simpleks |
Metode Student centre Learning (SCL) |
Berdiskusi dan menyusun permasalahan berupa tugas yang diberikan dosen lalu mempresentasikan hasilnya kepada mahasiswa lain. |
1. Sikap (Instrumen: observasi, angket) 2. Kemampuan/unjuk kerja 3. Pengetahuan (Instrumen: tes)
|
1 Pertemuan |
|
5. |
Mampu menentukan Pola Maksimum Baku dengan Metode Smipleks |
Dapat menentukan Pola Maksimum Baku |
1. Pola Maksimum Baku dengan Metode Simpleks |
Metode Problem Based Learning (PBL) |
Berdiskusi, menentukan dan menyusun serta menambahkan tugas yang diberikan dosen lalu mempresentasikan hasilnya kepada mahasiswa lain. |
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
6. |
Mampu menentukan Pola Minimum |
Dapat menyelesaikan masalah pola minimum dan perubah semu |
Perubah Semu dan Pola Minimum |
Metode Problem Based Learning (PBL) |
Berdiskusi dan menyusun permasalahan berupa tugas yang diberikan dosen lalu mempresentasikan hasilnya kepada mahasiswa lain. |
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
7. |
Mampu menyelidiki kejadian penyelesaian soal |
Dapat menentukan bentuk penyelesaian soal |
Kejadian soal tidak mempunyai penyelesaian optimum , Ada pilihan penyelesaian optimum, Masalah PL dengan perubah tak bersyarat |
Metode Problem Based Learning (PBL) |
Berdiskusi dan menyusun permasalahan berupa tugas yang diberikan dosen lalu mempresentasikan hasilnya kepada mahasiswa lain. |
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
8. |
UTS |
||||||
|
9. |
Memahami Hubungan Dual pada Program Linear |
Dapat menerapkan Hubungan Dual |
DUALITAS : Hubungan Dual |
Metode Student Centre Learning (SCL) |
Berdiskusi dan menyusun permasalahan berupa tugas yang diberikan dosen lalu mempresentasikan hasilnya kepada mahasiswa lain. |
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
10. |
Memahami dalil-dalil Dualitas |
Dapat menjelaskan kembali dalil – dalil Dualitas |
DUALITAS : Dalil-dalil Dualitas
|
Metode Problem Based Learning (PBL) |
Berdiskusi dan menyusun permasalahan berupa tugas yang diberikan dosen lalu mempresentasikan hasilnya kepada mahasiswa lain. |
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
11. |
Memahami aturan-prinsipdalam Metode Transportasi |
Mampu menggunakan metode transportasi dalam penyelesaian Program Linear |
METODE TRANSPORTASI : Metode Stepping Stone, Metode MODI |
Metode Student Centre Learning (SCL) |
Berdiskusi dan menyusun permasalahan berupa tugas yang diberikan dosen lalu mempresentasikan hasilnya kepada mahasiswa lain. |
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
12. |
Menerapkan metode Transportasi |
Dapat menerapkan Metode Transportasi |
METODE TRANSPORTASI : Metode Vogel’s Approximation, Masalah tidak sama dengan kebutuhan, Masalah Degenaracy, Penggunaan PL
|
Metode Student Centre Learning (SCL) |
Berdiskusi dan menyusun permasalahan berupa tugas yang diberikan dosen lalu mempresentasikan hasilnya kepada mahasiswa lain. |
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
13. |
Merumuskan masalah Minimasi |
Dapat merumuskan masalah Minimasi |
MASALAH PENUGASAN : Perumusan masalah, Masalah Minimasi |
Metode Probem Based Learning (PBL) |
Berdiskusi dan menyusun permasalahan berupa tugas yang diberikan dosen lalu mempresentasikan hasilnya kepada mahasiswa lain. |
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
14. |
Mampu merumuskan maksimasi. |
Dapat merumuskan Maksimasi |
MASALAH PENUGASAN : Perumusan Maksimasi, Masalah-masalah |
Metode Probem Based Learning (PBL) |
Berdiskusi, menentukan dan menyusun serta menambahkan tugas yang diberikan dosen lalu mempresentasikan hasilnya kepada mahasiswa lain. |
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
15. |
Mampu menganalisis sensitivitas |
Dapat membuat analisis sensitivitas |
ANALISIS SENSITIVITAS |
Metode Probem Based Learning (PBL) |
|
1. Sikap (Instrumen: observasi) 2. Pengetahuan (Instrumen: tes) 3. Kemampuan/unjuk kerja |
1 Pertemuan |
|
16. |
UAS |
|
UAS |
|
|
|
|
Statistika Inferensial
Silabus Statistika Inferensial
|
SILABUS |
||||
|
|
||||
|
1. Identitas Mata Kuliah |
||||
|
a. Nama Mata Kuliah |
: |
Statistika Inferensial |
||
|
b. Nomor Kode |
: |
MK |
||
|
c. Bobot SKS |
: |
5 |
||
|
d. Semester |
: |
V (Lima) |
||
|
|
||||
|
2. Tujuan Umum Mata Kuliah |
||||
|
Mahasiswa mempunyai pengetahuan yang komprehensip tentang data termasuk informasi yang dikandungnya, dan dapat menggunakan statistika pada masalah nyata. |
||||
|
|
||||
|
3. Materi Kuliah |
||||
|
a. distribusi pendekatan |
||||
|
b. Macam-macam Konvergensi |
||||
|
c. Teorema limit Pusat |
||||
|
d. Usefull Teorm |
||||
|
e. Inferensi Statistika |
||||
|
f. Sifat-sifat Penaksir |
||||
|
g. Keluarga Eksponensial |
||||
|
h. Estimasi dengan metode Momen |
||||
|
i. Estimasi dengan metode Kuadrat terkecil |
||||
|
j. Estimasi dengan metode kemungkinan maksimum |
||||
|
k. Estimasi dengan metode Bayes |
||||
|
|
||||
|
4. Pendekatan Pembelajaran : Pendekatan Penyampaian materi dan Penugasan serta Diskusi |
||||
|
|
||||
|
5. Media/Alat Bantu Belajar |
||||
|
a. Laptop |
||||
|
b. LCD |
||||
|
c. White Board + Boardmarker |
||||
|
|
||||
|
6. Evaluasi Hasil Belajar Mahasiswa |
||||
|
Ujian Tengah Semester (UTS), Ujian Akhir Semester(UAS), Tugas Terstruktur, dan Tugas Mandiri |
||||
|
|
||||
|
7. Penilaian Hasil Belajar Mahasiswa |
||||
|
a. Bobot UTS |
: |
10 % |
||
|
b. Bobot UAS |
: |
15 % |
||
|
c. Bobot Tugas Terstruktur |
: |
75% |
||
|
d. Kahadiran |
: |
|||
|
|
||||
|
8. Rincian Materi Kuliah Setiap Pertemuan |
||||
|
a. Pertemuan ke-1 |
: |
Kontrak Perkuliahan dan Stadium General |
||
|
b. Pertemuan ke-2 |
: |
Distribusi Pendekatan dengan Fungsi Distribusi |
||
|
c. Pertemuan ke-3 |
: |
Distribusi Pendekatan dengan Fungsi Pembangkit Momen |
||
|
d. Pertemuan ke-4 |
: |
Distribusi Pendekatan dengan Dalil Limit Pusat |
||
|
e. Pertemuan ke-5 |
: |
Penerapan Dalil Limit Pusat |
||
|
f. Pertemuan ke-6 |
: |
Berbagai Konvergensi |
||
|
g. Pertemuan ke-7 |
: |
Usefull teorem |
||
|
h. Pertemuan ke-8 |
: |
UTS |
||
|
i. Pertemuan ke-9 |
: |
Inferensi Statistika |
||
|
j. Pertemuan ke-10 |
: |
Sifat-Sifat Penaksir |
||
|
k. Pertemuan ke-11 |
: |
Keluarga Eksopoensial |
||
|
l. Pertemuan ke-12 |
: |
Estimasi dengan metode Momen |
||
|
m. Pertemuan ke-13 |
: |
Estimasi dengan metode Kuadrat terkecil |
||
|
n. Pertemuan ke-14 |
: |
Estimasi dengan metode kemungkinan maksimum |
||
|
o. Pertemuan ke-15 |
: |
Estimasi dengan metode Bayes |
||
|
p. Pertemuan ke-16 |
: |
UAS |
||
|
|
|
|||
|
9. Daftar Pustaka |
||||
|
a. Abadyo dan H. Permadi. 2000. Metoda Statistika Praktis. IMSTEP JICA, Bandung |
||||
|
b. Walpole, RE dan RH. Mayer.1982. Pengantar Statistika. Edisi Ketiga, Jakarta. |
||||
|
c. Engelhadt, Bain. 1992. Introduction Probability and Mathematical Statistics, Second Edition. Belmont, California: Duxbury press. |
||||
|
d. Hogg, McKean, Craig. 2005. Introduction to Mathematical Statistics, Sixth Edition. Pearson: New Jersey |
||||
|
e. Subanar. StatistikaMatematika. Graha Ilmu: Bandung |
||||
Yogyakarta, 31 Januari 20..
Dosen Pengampu,
( Nendra Mursetya S. D, S. Pd, M. Sc)
Penulisan Karya Ilmiah
Mata kuliah ini bertujuan untuk memahami, mengevaluasi, dan menyusun karya ilmiah
