Universitas Negeri Surabaya
Fakultas Sekolah Pascasarjana
Program Studi S3 Penelitian dan Evaluasi Pendidikan

Kode Dokumen

SEMESTER LEARNING PLAN

Course

KODE

Rumpun MataKuliah

Bobot Kredit

SEMESTER

Tanggal Penyusunan

Statistika

9900602019

T=2

P=0

ECTS=5.04

1

24 Desember 2024

OTORISASI

Pengembang S.P

Koordinator Rumpun matakuliah

Koordinator Program Studi




Dr. Tri Rijanto, M.Pd., M.T.


.......................................


TRI RIJANTO

Model Pembelajaran

Case Study

Program Learning Outcomes (PLO)

PLO program Studi yang dibebankan pada matakuliah

PLO-6

Mampu mengembangkan sistem penilaian, instrumen penilaian, penelitian, evaluasi, serta mengembangkan psikometrika komputasi (pengukuran psikologis, algoritma dan model statistik, analisis big data psikologis, tes adaptif komputerisasi, CAT)

PLO-7

Mampu memecahkan permasalahan ilmu pengetahuan, teknologi, dan/atau seni di dalam bidang penelitian dan evaluasi pendidikan melalui pendekatan inter, multi, dan transdisipliner.

Program Objectives (PO)

PO - 1

Mampu menerapkan teknik statistik dalam pengembangan instrumen penilaian untuk penelitian psikometrika (C3)

PO - 2

Menganalisis data besar menggunakan model statistik untuk memahami pola-pola dalam psikologi dan pendidikan (C4)

PO - 3

Mengevaluasi efektivitas algoritma statistik dalam tes adaptif komputerisasi dan memberikan rekomendasi perbaikan (C5)

PO - 4

Menciptakan model analisis data yang inovatif untuk penelitian interdisipliner dalam pendidikan (C6)

PO - 5

Menerapkan metode statistik untuk menyelesaikan permasalahan nyata dalam evaluasi program pendidikan (C3)

PO - 6

Menganalisis hasil penelitian menggunakan teknik statistik untuk mengidentifikasi tren dan anomali dalam data pendidikan (C4)

PO - 7

Mengevaluasi kualitas dan keandalan instrumen penelitian berbasis statistik dalam studi pendidikan (C5)

PO - 8

Menciptakan pendekatan baru dalam analisis statistik yang mendukung keputusan strategis di sektor pendidikan (C6)

PO - 9

Menerapkan analisis statistik untuk mengembangkan dan mengevaluasi tes adaptif komputerisasi dalam psikometrika (C3)

PO - 10

Menganalisis dan mengevaluasi efektivitas pendekatan interdisipliner dalam penelitian pendidikan menggunakan metode statistik (C4)

Matrik PLO-PO
 
POPLO-6PLO-7
PO-1✔ 
PO-2✔ 
PO-3✔ 
PO-4 ✔
PO-5 ✔
PO-6 ✔
PO-7✔ 
PO-8 ✔
PO-9✔ 
PO-10 ✔

Matrik PO pada Kemampuan akhir tiap tahapan belajar (Sub-PO)
 
PO Minggu Ke
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
PO-1✔✔
PO-2✔✔
PO-3✔✔
PO-4✔
PO-5✔✔
PO-6✔✔✔
PO-7✔
PO-8✔
PO-9✔
PO-10

Deskripsi Singkat Mata Kuliah

Matakuliah Statistika pada jenjang S3 program studi Penelitian dan Evaluasi Pendidikan membahas tentang penerapan berbagai metode statistika dalam konteks penelitian dan evaluasi pendidikan. Tujuan dari matakuliah ini adalah memberikan pemahaman mendalam tentang konsep dasar statistika, teknik analisis data, interpretasi hasil, serta penerapan statistika dalam konteks penelitian dan evaluasi pendidikan. Ruang lingkupnya meliputi pengenalan konsep statistika, analisis data univariat, bivariat, multivariat, serta penggunaan perangkat lunak statistik untuk analisis data secara praktis.

Pustaka

Utama :

  1. Daniels, L., & Minot, N. (2020). An introduction to statistics and data analysis using Stata. London: Sage Pub.
  2. Hair, J.F., Black, W.C., Babin, B.J., & Anderson, R.E. (2019). Multivariate data analysis ( 8th eds.) . London: Pearson Education Limited
  3. Randolph, K.A., & Myers, L.L. (2013). Basic statistics in multivariate analysis. New York: Oxford University Press.
  4. Stevens, J.P. (2016). Applied multivariate statistics for the social sciences. New York: Routledges

Pendukung :

  1. Fraenkel, J.R. & Norman, E.W. (2012). How to design and evaluate research in education (8th Ed.). New York: McGraw-Hill.

Dosen Pengampu

Prof. Dr. Ekohariadi, M.Pd.

Dr. Yeni Anistyasari, S.Pd., M.Kom.

Minggu Ke-

Kemampuan akhir tiap tahapan belajar
(Sub-PO)

Penilaian

Bantuk Pembelajaran,

Metode Pembelajaran,

Penugasan Mahasiswa,

 [ Estimasi Waktu]

Materi Pembelajaran

[ Pustaka ]

Bobot Penilaian (%)

Indikator

Kriteria & Bentuk

Luring (offline)

Daring (online)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

1

Minggu ke 1

Mahasiswa diharapkan mampu mengaplikasikan teknik statistik secara tepat dalam pengembangan instrumen penilaian untuk penelitian psikometrika.
  1. Pemahaman konsep statistik
  2. Kemampuan menerapkan teknik statistik dalam pengembangan instrumen penilaian
  3. Kemampuan analisis data
 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Aktifitas Partisipasif		 Ceramah,diskusi,presentasi
Materi: Tipe data, teknik merangkum data kuantitatif dan kategori.
Pustaka: Daniels, L., & Minot, N. (2020). An introduction to statistics and data analysis using Stata. London: Sage Pub.		 5%

2

Minggu ke 2

Menganalisis hipotesis satu dan dua rerata rerata

Menganalisis menggunakan teknik uji t satu sampel. Menganalisis menggunakan teknik uji t dua sampel.

 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Aktifitas Partisipasif		 Ceramah,diskusi,presentasi
 Ceramah,diskusi,presentasi
 Materi: Uji t satu sampel, Uji t dua sampel sampel.
Pustaka: Daniels, L., & Minot, N. (2020). An introduction to statistics and data analysis using Stata. London: Sage Pub.		 5%

3

Minggu ke 3

Menganalisis regresi linier
  1. Analisis data besar menggunakan model statistik
  2. Pemahaman pola-pola dalam psikologi dan pendidikan
 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Aktifitas Partisipasif		 Ceramah, diskusi, presentasi
 Ceramah, diskusi, presentasi
 Materi: Koefisien korelasi, konsep korelasi, Regresi ganda, koefisien determinasi
Pustaka: Daniels, L., & Minot, N. (2020). An introduction to statistics and data analysis using Stata. London: Sage Pub.		 5%

4

Minggu ke 4

Menganalisis data menggunakan teknik analisis jalur
  1. Analisis data besar menggunakan model statistik
  2. Pemahaman pola dalam psikologi dan pendidikan
 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Aktifitas Partisipasif		 Ceramah, diskusi, presentasi
 Ceramah, diskusi, presentasi
 Materi: Model jalur menggunakan teknik structural equation modeling (SEM), Koefisien regresi logistik ganda
Pustaka: Daniels, L., & Minot, N. (2020). An introduction to statistics and data analysis using Stata. London: Sage Pub.		 5%

5

Minggu ke 5

Menganalisis uji prasyarat

Menguji prasyarat normalitas. Menguji prasyarat homogenitas

 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Aktifitas Partisipasif		 Ceramah, diskusi, presentasi
 Ceramah, diskusi, presentasi
 Materi: Uji normalitas, homogenitas
Pustaka: Daniels, L., & Minot, N. (2020). An introduction to statistics and data analysis using Stata. London: Sage Pub.		 5%

6

Minggu ke 6

Menganalisis Anova satu jalur

Menganalisis data menggunakan ANOVA satu jalur.

 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Aktifitas Partisipasif		 Ceramah, diskusi, presentasi
 Ceramah, diskusi, presentasi
 Materi: Analisis statistik Anova satu jalur,
Pustaka: Daniels, L., & Minot, N. (2020). An introduction to statistics and data analysis using Stata. London: Sage Pub.		 5%

7

Minggu ke 7

Menganalisis Anova dua jalur

Menganalisis data menggunakan ANOVA dua jalur.

 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Aktifitas Partisipasif		 Ceramah, diskusi, presentasi
 Ceramah, diskusi, presentasi
 Materi: Teknik analisis statistik anova dua jalur
Pustaka: Randolph, K.A., & Myers, L.L. (2013). Basic statistics in multivariate analysis. New York: Oxford University Press.		 5%

8

Minggu ke 8

Ujian Tengah Semester

Ujian Tengah Semester

 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Tes		 Ujian Tengah Semester
 Ujian Tengah Semester
 Materi: Ujian Tengah Semester
Pustaka: Hair, J.F., Black, W.C., Babin, B.J., & Anderson, R.E. (2019). Multivariate data analysis ( 8th eds.) . London: Pearson Education Limited
Materi: Ujian Tengah Semester
Pustaka: Daniels, L., & Minot, N. (2020). An introduction to statistics and data analysis using Stata. London: Sage Pub.		 10%

9

Minggu ke 9

Mahasiswa diharapkan mampu menciptakan model analisis data yang inovatif untuk penelitian interdisipliner dalam pendidikan.

Menganalisis regresi ligistik biner dan multinominal

 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk, Penilaian Portofolio		 Workshop menggunakan perangkat lunak
 Workshop menggunakan perangkat lunak
 Materi: Koefisien regresi logistik ganda
Pustaka: Daniels, L., & Minot, N. (2020). An introduction to statistics and data analysis using Stata. London: Sage Pub.		 5%

10

Minggu ke 10

Mahasiswa diharapkan mampu menerapkan metode statistik untuk menyelesaikan permasalahan nyata dalam evaluasi program pendidikan.
  1. Analisis data evaluasi program pendidikan menggunakan metode statistik
  2. Kemampuan menyajikan hasil analisis data secara jelas dan sistematis
 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Praktik / Unjuk Kerja		 Workshop menggunakan perangkat lunak
 Workshop menggunakan perangkat lunak
 Materi: Model struktural
Pustaka: Hair, J.F., Black, W.C., Babin, B.J., & Anderson, R.E. (2019). Multivariate data analysis ( 8th eds.) . London: Pearson Education Limited		 5%

11

Minggu ke 11

Menganalisis SEM model reflektif.

Menganalisis SEM model reflektif

 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Aktifitas Partisipasif		 Workshop menggunakan perangkat lunak
 Workshop menggunakan perangkat lunak
 Materi: Model pengukuran reflektif
Pustaka: Hair, J.F., Black, W.C., Babin, B.J., & Anderson, R.E. (2019). Multivariate data analysis ( 8th eds.) . London: Pearson Education Limited		 5%

12

Minggu ke 12

Menganalisis SEM model formatif

Menganalisis SEM model formatif Menentukan bobot indikator

 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Aktifitas Partisipasif		 Diskusi dan presentasi
 Diskusi dan presentasi
 Materi: SEM model formatif ,bobot indikator
Pustaka: Hair, J.F., Black, W.C., Babin, B.J., & Anderson, R.E. (2019). Multivariate data analysis ( 8th eds.) . London: Pearson Education Limited		 5%

13

Minggu ke 13

Menganalisis SEM mediasi
  1. pendekatan baru dalam analisis statistik
  2. dukungan keputusan strategis di sektor pendidikan
 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Aktifitas Partisipasif		 Diskusi dan presentasi
 Diskusi dan presentasi
 Materi: Pengaruh langsung, taklangsun dan total
Pustaka: Hair, J.F., Black, W.C., Babin, B.J., & Anderson, R.E. (2019). Multivariate data analysis ( 8th eds.) . London: Pearson Education Limited		 5%

14

Minggu ke 14

Mahasiswa diharapkan mampu mengaplikasikan konsep analisis statistik dalam pengembangan dan evaluasi tes adaptif komputerisasi dalam psikometrika.
  1. Pemahaman konsep analisis statistik
  2. Kemampuan menerapkan analisis statistik dalam psikometrika
  3. Kemampuan mengevaluasi tes adaptif komputerisasi
 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Aktifitas Partisipasif		 Worksop menggunakan perangkat lunak
 Worksop menggunakan perangkat lunak
 Materi: Multi Group Analysis. perbedaan antar koefisien menggunakan uji t.
Pustaka: Hair, J.F., Black, W.C., Babin, B.J., & Anderson, R.E. (2019). Multivariate data analysis ( 8th eds.) . London: Pearson Education Limited		 5%

15

Minggu ke 15

Mensimulasi ujicoba instrumen

Mengujicoba instrumen disertasi.

 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Workshop
 Workshop
 Materi: Pendekatan Interdisipliner dalam Penelitian Pendidikan, Metode Statistik untuk Penelitian, Analisis Efektivitas Pendekatan
Pustaka: Handbook Perkuliahan		 5%

16

Minggu ke 16

Ujian Akhir Semester

Ujian Akhir Semester

 Kriteria:

Sesuaikan CPL


Bentuk Penilaian :
Tes		 UAS
 UAS
 Materi: Ujian Akhir Semester
Pustaka: Hair, J.F., Black, W.C., Babin, B.J., & Anderson, R.E. (2019). Multivariate data analysis ( 8th eds.) . London: Pearson Education Limited		 20%



Rekap Persentase Evaluasi : Case Study

No Evaluasi Persentase
1. Aktifitas Partisipasif 55%
2. Penilaian Hasil Project / Penilaian Produk 7.5%
3. Penilaian Portofolio 2.5%
4. Praktik / Unjuk Kerja 5%
5. Tes 30%
100%

Catatan

  1. Capaian Pembelajaran Lulusan Program Studi (PLO - Program Studi) adalah kemampuan yang dimiliki oleh setiap lulusan Program Studi yang merupakan internalisasi dari sikap, penguasaan pengetahuan dan ketrampilan sesuai dengan jenjang prodinya yang diperoleh melalui proses pembelajaran.
  2. PLO yang dibebankan pada mata kuliah adalah beberapa capaian pembelajaran lulusan program studi (CPL-Program Studi) yang digunakan untuk pembentukan/pengembangan sebuah mata kuliah yang terdiri dari aspek sikap, ketrampulan umum, ketrampilan khusus dan pengetahuan.
  3. Program Objectives (PO) adalah kemampuan yang dijabarkan secara spesifik dari PLO yang dibebankan pada mata kuliah, dan bersifat spesifik terhadap bahan kajian atau materi pembelajaran mata kuliah tersebut.
  4. Sub-PO Mata kuliah (Sub-PO) adalah kemampuan yang dijabarkan secara spesifik dari PO yang dapat diukur atau diamati dan merupakan kemampuan akhir yang direncanakan pada tiap tahap pembelajaran, dan bersifat spesifik terhadap materi pembelajaran mata kuliah tersebut.
  5. Indikator penilaian kemampuan dalam proses maupun hasil belajar mahasiswa adalah pernyataan spesifik dan terukur yang mengidentifikasi kemampuan atau kinerja hasil belajar mahasiswa yang disertai bukti-bukti.
  6. Kreteria Penilaian adalah patokan yang digunakan sebagai ukuran atau tolok ukur ketercapaian pembelajaran dalam penilaian berdasarkan indikator-indikator yang telah ditetapkan. Kreteria penilaian merupakan pedoman bagi penilai agar penilaian konsisten dan tidak bias. Kreteria dapat berupa kuantitatif ataupun kualitatif.
  7. Bentuk penilaian: tes dan non-tes.
  8. Bentuk pembelajaran: Kuliah, Responsi, Tutorial, Seminar atau yang setara, Praktikum, Praktik Studio, Praktik Bengkel, Praktik Lapangan, Penelitian, Pengabdian Kepada Masyarakat dan/atau bentuk pembelajaran lain yang setara.
  9. Metode Pembelajaran: Small Group Discussion, Role-Play & Simulation, Discovery Learning, Self-Directed Learning, Cooperative Learning, Collaborative Learning, Contextual Learning, Project Based Learning, dan metode lainnya yg setara.
  10. Materi Pembelajaran adalah rincian atau uraian dari bahan kajian yg dapat disajikan dalam bentuk beberapa pokok dan sub-pokok bahasan.
  11. Bobot penilaian adalah prosentasi penilaian terhadap setiap pencapaian sub-PO yang besarnya proposional dengan tingkat kesulitan pencapaian sub-PO tsb., dan totalnya 100%.
  12. TM=Tatap Muka, PT=Penugasan terstruktur, BM=Belajar mandiri.