Charirmasirfan.xyz | MK Statistika, Prodi Sistem Informasi - Di era digital saat ini, data mengalir seperti udara—selalu ada di sekitar kita. Setiap klik pengguna, transaksi daring, bahkan waktu respon sistem adalah potongan kecil dari cerita besar tentang perilaku, kebiasaan, dan performa dunia digital. Namun, data yang melimpah tidak akan bermakna tanpa kemampuan memahami maknanya. Di sinilah Statistika memainkan peran penting.
Mata kuliah Statistika di Program Studi Sistem Informasi dirancang bukan sekadar untuk menghafal rumus, tetapi untuk melatih cara berpikir berbasis data. Mahasiswa diajak memahami bagaimana angka-angka dapat diterjemahkan menjadi informasi yang berguna bagi pengambilan keputusan, perencanaan sistem, hingga pengembangan teknologi yang lebih cerdas.
Selama satu semester, mahasiswa akan belajar mulai dari dasar—seperti memahami jenis data, penyajian dalam bentuk tabel dan grafik, hingga konsep ukuran pemusatan dan penyebaran. Setelah itu, pembelajaran akan berkembang ke tahap yang lebih analitis, seperti peluang (probabilitas), distribusi data, hingga inferensi statistik yang membantu menarik kesimpulan dari data sampel.
Lebih dari sekadar teori, perkuliahan ini menekankan pendekatan terapan. Mahasiswa akan berlatih menggunakan Microsoft Excel dan Python (pandas, matplotlib) untuk mengolah dan memvisualisasikan data nyata—baik dari aktivitas pengguna aplikasi, performa server, maupun data bisnis digital. Dengan cara ini, statistik tidak lagi terasa kaku, tetapi menjadi alat berpikir yang hidup dan relevan dengan dunia sistem informasi.
Tujuan akhirnya sederhana namun penting: agar mahasiswa mampu membaca pola dan cerita di balik data, serta menjadikannya dasar dalam pengambilan keputusan. Kemampuan ini tidak hanya berguna untuk tugas kuliah, tetapi juga menjadi fondasi bagi mata kuliah lanjutan seperti Data Mining, Business Intelligence, dan Data Analytics—bahkan bekal berharga di dunia kerja yang kini serba data-driven.
Statistika, pada akhirnya, bukan hanya tentang menghitung rata-rata atau membuat grafik. Ia adalah seni untuk memahami kenyataan dengan cara yang paling objektif: melalui data. Dan bagi calon profesional di bidang Sistem Informasi, kemampuan itu adalah kunci untuk membuka masa depan yang penuh kemungkinan.
Rencana Pokok & Submateri Statistika – Sistem Informasi
| Pokok Materi | Sub Materi |
|---|---|
| Pengantar Statistika dan Relevansinya dalam Sistem Informasi | Pengertian dan ruang lingkup statistika. |
| Statistika deskriptif vs inferensial. | |
| Hubungan statistika dengan sistem informasi dan teknologi digital. | |
| Contoh penerapan statistik dalam analisis log sistem, perilaku pengguna, dan data transaksi. | |
| Studi kasus mini: “Mengapa statistik penting bagi analis sistem?” | |
| Pertemuan 2: Data – Jenis, Sumber, dan Skala Pengukuran | d |
| John | d |
| John | d |
| John | d |
| John | d |
| John | d |
| John | d |
| John | d |
| John | d |
| John | d |
Pertemuan 1: Pengantar Statistika dan Relevansinya dalam Sistem Informasi
Pokok Bahasan:
Konsep dasar statistika dan perannya dalam pengambilan keputusan berbasis data.
Submateri:
Pertemuan 2: Data – Jenis, Sumber, dan Skala Pengukuran
Pokok Bahasan:
Klasifikasi dan karakteristik data dalam konteks sistem informasi.
Submateri:
Jenis data: kuantitatif, kualitatif, diskrit, kontinu.
Sumber data: primer, sekunder, dan big data.
Skala pengukuran: nominal, ordinal, interval, rasio.
Kualitas data: validitas, reliabilitas, dan integritas.
Praktik: eksplorasi dataset publik dari data.go.id atau Kaggle.
Pertemuan 3: Penyajian Data
Pokok Bahasan:
Representasi data dalam bentuk tabel dan grafik.
Submateri:
Tabel distribusi frekuensi dan kelas interval.
Diagram batang, pie chart, histogram, dan poligon frekuensi.
Ogive dan interpretasinya.
Visualisasi data menggunakan Microsoft Excel atau Python (matplotlib).
Praktik: menyajikan data pengguna sistem informasi.
Pertemuan 4: Ukuran Pemusatan Data
Pokok Bahasan:
Mengukur nilai tengah distribusi data.
Submateri:
Mean, median, modus – konsep dan rumus.
Aplikasi dalam data besar (data log sistem).
Mean tertimbang dan penggunaan pada data dengan bobot.
Interpretasi ukuran pemusatan dalam konteks kinerja sistem.
Praktik Excel: menghitung rata-rata waktu respon pengguna.
Pertemuan 5: Ukuran Penyebaran Data
Pokok Bahasan:
Mengukur keragaman atau variasi data.
Submateri:
Rentang (range), varians, dan simpangan baku (standar deviasi).
Koefisien variasi (CV) dan interpretasinya.
Outlier dan dampaknya terhadap analisis.
Studi kasus: variabilitas waktu loading website.
Praktik: analisis penyebaran data dengan Excel/Python.
Pertemuan 6: Ukuran Letak dan Posisi Data
Pokok Bahasan:
Pembagian data menjadi kelompok dan posisi relatif.
Submateri:
Kuartil, desil, dan persentil.
Interpretasi posisi data (misalnya ranking kinerja server).
Aplikasi ukuran letak dalam laporan performa sistem.
Latihan: menghitung dan menafsirkan nilai persentil.
Studi kasus: distribusi nilai pengguna aplikasi.
Pertemuan 7: Distribusi dan Bentuk Data
Pokok Bahasan:
Bentuk distribusi data dan pengukuran simetri.
Submateri:
Skewness (kemencengan) dan kurtosis (keruncingan).
Ciri-ciri distribusi normal dan tidak normal.
Uji normalitas sederhana (grafik & nilai Z).
Aplikasi distribusi data dalam analisis performa sistem.
Praktik: visualisasi bentuk distribusi dataset.
Pertemuan 8: Konsep Dasar Probabilitas
Pokok Bahasan:
Peluang dan penerapannya dalam analisis sistem informasi.
Submateri:
Pengertian peluang dan ruang sampel.
Jenis kejadian: saling lepas, saling bebas, gabungan.
Aturan penjumlahan dan perkalian peluang.
Nilai ekspektasi dan variansi peluang.
Aplikasi: peluang terjadinya error sistem atau kegagalan transaksi.
Pertemuan 9: Distribusi Probabilitas Diskrit
Pokok Bahasan:
Model peluang untuk variabel acak diskrit.
Submateri:
Distribusi Binomial: konsep, rumus, dan contoh.
Distribusi Poisson dan penerapan dalam jumlah error sistem.
Perbandingan Binomial dan Poisson.
Simulasi probabilitas diskrit dengan Python.
Latihan kasus: peluang error per menit dalam server.
Pertemuan 10: Distribusi Probabilitas Kontinu
Pokok Bahasan:
Distribusi data kontinu dan aplikasinya.
Submateri:
Konsep kurva normal dan fungsi kepadatan probabilitas (PDF).
Distribusi Normal: z-score, tabel normal, interpretasi area.
Distribusi Eksponensial dan aplikasinya pada waktu respon sistem.
Visualisasi kurva normal dengan Python.
Studi kasus: analisis waktu tanggapan pengguna.
Pertemuan 11: Sampling dan Estimasi
Pokok Bahasan:
Teknik pengambilan sampel dan estimasi parameter populasi.
Submateri:
Populasi, sampel, dan parameter.
Teknik sampling: acak sederhana, sistematik, stratified, cluster.
Estimasi titik dan interval kepercayaan.
Penentuan ukuran sampel yang optimal.
Simulasi sampling menggunakan dataset sistem informasi.
Pertemuan 12: Uji Hipotesis
Pokok Bahasan:
Pengujian asumsi dan pengambilan keputusan berdasarkan data.
Submateri:
Konsep hipotesis nol (H₀) dan alternatif (H₁).
Uji satu sampel dan dua sampel (uji Z, uji t).
Uji proporsi dan varians.
Kesalahan tipe I & II dan tingkat signifikansi.
Aplikasi: membandingkan performa sistem sebelum dan sesudah optimasi.
Pertemuan 13: Analisis Korelasi dan Regresi
Pokok Bahasan:
Analisis hubungan antar variabel dan prediksi data.
Submateri:
Konsep korelasi: Pearson & Spearman.
Regresi linear sederhana dan berganda.
Interpretasi koefisien korelasi dan determinasi (R²).
Penerapan: hubungan antara trafik sistem dan waktu respon.
Praktik Python: membangun model regresi sederhana.
Pertemuan 14: Analisis Data Terapan dengan Software Statistik
Pokok Bahasan:
Integrasi konsep statistik dengan praktik analisis data nyata.
Submateri:
Eksplorasi dataset sistem informasi (log, pengguna, transaksi).
Analisis deskriptif dan inferensial dengan Excel/Python.
Visualisasi hasil (grafik, dashboard, laporan).
Studi kasus mini: analisis data penggunaan sistem akademik.
Penyusunan laporan analisis dan interpretasi hasil.
Posting Komentar