Alat Peraga

Lampiran 3 :     Laporan Telah melaksanakan Tugas No. 893.3/189/027/2010

        Materi 3: Cara Mengajar Menggunakan Alat Peraga

 

LAPORAN PELATIHAN

CARA MENGAJAR MENGGUNAKAN ALAT PERAGA

Pemberi materi    :    Dr. Dra. Scolastika Mariani, M.Si (UNNES – Semarang)

Hari / tgl pelaksanaan    :    Rabu – Kamis, 30 Juni – 1 Juli 2010

Waktu    :    Pukul 09.00 – 17.00 WIB

Tempat pelaksanaan    :    Jl. Gn Himalaya No. 27 – Taman Himalaya Lippo Karawaci – Tangerang

Peserta    :    Guru – guru peserta pelatihan Belajar Matematika SD Kelas 1 – 6 tahun dalam 6 bulan dengan metode GASING (Gampang Asyik Menyenangkan)

Bentuk kegiatan    :    Ceramah, diskusi, kuis, dan praktek

Rigkasan Materi    :

KARTU GAMBAR

• Gambar
  

• Spesifikasi
  
  • Kartu gambar     : 3 macam, masing-masing 20 buah.
    
  • Ukuran     : 6 cm × 10 cm
    
  • Bahan     :
    
  • Kartu dari plastik HIPS dengan ketebalan 1 mm, bagian belakang dilapisi busa (perekat) 2 mm^*) agar bisa ditempelkan di papan flannel.
    
  • Bingkai dari mika transparan
    
    • Warna     : Kuning, Biru cerah, dan Hijau cerah.
      

  ^*) Busa bisa diganti dengan bahan lain yang mudah merekat ke kain flanel
  

 

1. Jenis II
   

• Gambar
  

 

 

 

 

 

 

 

 

 

Satu set kartu gambar terdiri dari:

• Kelompok gambar binatang berkaki empat : kambing, kerbau, harimau, kuda
• Kelompok gambar binatang berkaki dua : ayam, burung, itik, angsa
• Kelompok gambar kendaraan beroda dua : sepeda, sepeda motor, sekuter, andong
• Kelompok gambar kendaraan beroda tiga : becak, bemo, sepeda anak-anak, bajaj

 

Catatan :

• Untuk gambar binatang, seluruh kaki kelihatan jelas
• Untuk gambar kendaran, seluruh roda kelihatan jelas.

 

 

 

• Spesifikasi
  
  • Bahan     :
    • Kartu dari plastik HIPS dengan ketebalan 1 mm, bagian belakang dilapisi busa (perekat) 2 mm agar bisa ditempelkan di papan flannel.
      
      • Bingkai dari mika transparan
        
  • Ukuran kartu     : tinggi 6 cm, lebar 10 cm
  • Warna     :
    • Warna dasar tiap kelompok gambar hijau, abu-abu, kuning, merah muda.
      
  • Banyak kartu:
    • Masing-masing jenis gambar dibuat 10 set
      

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

 

 

MODEL BANGUN RUANG MASIF

 

• Gambar    

   

 

Model masif (pejal/padat)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

• Spesifikasi
  

 

• Bahan     :    HIPS/High Impact Polisterol (bangun ruang masif)
• Warna     :    seperti gambar di atas
• Untuk guru
  • Ukuran             : seperti gambar di atas
  • Banyak alat         : 1 set
  • Tempat penyimpan     : kotak plastik transparan

   

• Untuk siswa
  • Ukuran             : setengah ukuran gambar di atas.    
  • Banyak alat         : 10 set
  • Tempat penyimpan     : kotak plastik transparan

     

 

 

 

 

 

 

 

 

 

 

MODEL BANGUN RUANG RANGKA

 

• Gambar    

 

Model rangka/kerangka

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

• Spesifikasi
  

 

• Bahan     :    batang besi berdiameter 0,3 cm.
• Warna     :    dicat perak.
• Untuk guru

• Ukuran             : seperti gambar di atas
• Banyak alat         : 1 set
• Tempat penyimpan     : kotak plastik transparan

 

• Untuk siswa

• Ukuran             : setengah ukuran gambar di atas.    
• Banyak alat         : 10 set
• Tempat penyimpan     : kotak plastik transparan

MODEL BANGUN RUANG TRANSPARAN

 

1. Gambar    

 

Model transparan (berongga)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1. Spesifikasi
   

    

• Bahan     :    mika atau plastik yang transparan (bangun ruang berongga).
• Warna     :    seperti gambar di atas
• Untuk guru
  • Ukuran             : seperti gambar di atas
  • Banyak alat         : 1 set
  • Tempat penyimpan     : kotak plastik transparan

   

• Untuk siswa
  • Ukuran             : setengah ukuran gambar di atas.    
  • Banyak alat         : 10 set
  • Tempat penyimpan     : kotak plastik transparan

MODEL SIMETRI LIPAT BANGUN DATAR

 

1. Gambar    
   

    

 

 

 

 

 

 

 

1. Spesifikasi:
   

 

• Satu set terdiri atas 5 bangun susunan seperti gambar di atas.
• Bahan plastik, tebal 1 mm, dengan warna seperti gambar
• Keterangan : garis putus-putus pada gambar di atas, merupakan garis sumbu lipat sehingga bangun-bangun datar tersebut dapat dilipat-lipat, sesuai garis putus-putus
• Dibuat 10 set.

  
   

CEK

CEK CEK CEK

 

AKU SAYANG KAMU

Semangat

Semangat untuk melangkah lebih maju

GASING

Bagaimana belajar matematika dengan Gampang Asyik dan menyenangkan ala Prof.Yohanes Surya, Ph.D!

 

Model LINIER

1. BENTUK KUADRATIK DAN DISTRIBUSINYA
2. Turunan Bentuk Kuadrat, Ekspektasi, Variansi Vektor dan Matriks
3. NILAI EKSPEKTASI DARI VEKTOR RANDOM
4. Distribusi beberapa bentuk kuadratik khusus
5. INDEPENDEN OF QUADRATIC FORM
6. DERAJAT PENUH
7. ESTIMATOR KUADRAT MINIMUM DARI MODEL PARAMETER
8. ESTIMASI VARIANS
9. MAXIMUM LIKELIHOOD ESTIMATORS ( ADVANCES )
ESTIMATOR KEMUNGKINAN MAKSIMUM
10. SIFAT – SIFAT dari LEAST SQUARE ESTIMATOR
11. Estimasi Koefisien Interval
12. KOEFISIEN REGRESI PADA DAERAH KEPERCAYAAN BERSAMA (DISTRIBUSI F)
13. PENDUGA KUADRAT TERKECIL ( LANJUTAN )
14. UJI HIPOTESIS PADA MODEL RANK PENUH
15. Uji Hipotesis pada Subvektor β
16. UJI PARSIAL DAN SEQUENSIAL
17. PENDEKATAN ALTERNATI F UNTUK UJI HIPOTESIS DALAM SUBVEKTOR DARI b
18. Bentuk umum Hipotesis linier
19. KRITERIA RASIO LIKELIHOOD (LANJUTAN)

Applied Nonparametric Regression

Applied Nonparametric Regression
Wolfgang Hardle
Humboldt-Universitat zu Berlin
Wirtschaftswissenschaftliche Fakultat
Institut fur Statistik und Okonometrie
Spandauer Str. 1
D{10178 Berlin1994}

Free Download

Applied Nonparametric Regression

Nonparametric Bayesian Data Analysis.

Nonparametric Bayesian Data Analysis.
Peter Muller Fernando A. Quintana

Abstract
We review the current state of nonparametric Bayesian inference. The discussion follows a list of important statistical inference problems, including density estimation, regression, survival analysis, hierarchical models and model validation. For each inference problem we review relevant nonparametric Bayesian models and approaches including Dirichlet process (DP) models and variations, Polya trees, wavelet based models, neural network models, spline regression, CART, dependent DP models, and model validation with DP and Polya tree extensions of parametric models.

Free Download

Nonparametric Bayesian Data Analysis

Kajian Teori Regresi Parametrik Normal dan Regresi Non Parametrik (Theory Presentation of Normal Parametric Regression and Nonparametric Regression)

Kajian Teori Regresi Parametrik Normal dan Regresi Non Parametrik
(Theory Presentation of Normal Parametric Regression and
Nonparametric Regression)
Yulia, S1, IM Tirta2 dan Rita Ratih T2
1Mahasiswa Jurusan Matematika FMIPA Universitas Jember
2Staf Pengajar Jurusan Matematika FMIPA Universitas Jember

ABSTRAK
In this paper, observation of the analysis normal parametric regression by least square method and non parametric regression by Theil method. Tulisan ini mempelajari atau mengkaji analisis regresi parametrik dengan menggunakan metode kuadarat terkecil dan Regresi Non parametrik dengan menggunakan metode Theil. Hasil kajian teoritis diilustrasikan dengan menggunakan data simulasi. Hasil analisis menunjukkan bahwa untuk data yang diketahui bentuk distribusinya, uji parametrik dengan menggunakan metode kudarta terkecil memberikan hasil yang sedikit lebih baik daripada uji non parametrik dengan metode theil.

Free Download

Kajian Teori Regresi Parametrik Normal dan Regresi Non Parametrik
(Theory Presentation of Normal Parametric Regression and
Nonparametric Regression)

About Regression Estimators with High Breakdown Point

About Regression Estimators
with High Breakdown Point
Vandev, D.L.
Inst. of Mathematics., Bulg. Acad. Sciences,
P.O.Box 373,1113 Sofia, Bulgaria
and Neykov, N.M. 1
Inst. of Meteorology and Hydrology, Bulg. Acad.Sciences,
66 Tsarigradsko chaussee, 1784 Sofia, Bulgaria

Abstract

A generalisation of a theorem by Vandev (1993) concerning the finite sample breakdown point is given. Using this result the breakdown point properties of the LMS and LTS estimators of Rousseeuw (1984) and the rank-based regression estimator of Hossjer (1994) are studied. Moreover, the breakdown point properties of the weighted least trimmed estimators of order k in the case of grouped logistic regression are investigated, as well as linear regression with an exponential q-th power distribution. 1991 Mathematics Subject Classification: Primary 62J05; Secondary 62F35. Keywords: Breakdown point, Least Median of Squares, Least Trimmed Squares, Modified maximum likelihood, R-estimators, Robust regression estimators, Logistic regression

Free Download

About Regression Estimators with High Breakdown Point

High Breakdown Point Multivariate M-Estimation

High Breakdown Point Multivariate M-Estimation
D. E. Tyler
1 Department of Statistics
Hill Center, Busch Campus
Rutgers, The State University of New Jersey
110 Frelinghuysen Road
Piscataway, NJ 08854-8019

Abstract:

In this talk, a general study of the properties of the M-estimates of multivariate location and scatter with auxiliary scale proposed in Tatsuoka and Tyler (2000) is presented. This study provides a unifying treatment for some of the high breakdown point methods develop for multivariate statistics, as well as a unifying framework for comparing these methods. The multivariate M-estimates with auxiliary scale include as special cases the minimum volume ellipsoid estimates [Rousseeuw (1985)], the multivariate S-estimates [Davies (1987)], the multivariate constrained M-estimates [Kent and Tyler (1996)], and the recently introduced multivariate MM-estimates [Tatsuoka and Tyler (2000)]. The results obtained for the multivariate MM-estimates, such as its breakdown point, its inuence function and its asymptotic distribution, are entirely new. The breakdown points of the M-estimates of multivariate location and scatter for _xed scale are also derived. This generalizes the results on the breakdown points of the univariate redescending M-estimates of location with fixed scale given by Huber (1984).

Free Download

High Breakdown Point Multivariate M-Estimation