1.11.2.1

News

Page 1 of 10  > >>

Aug 13, 2019
Category: General
Posted by: sro

Alokasi Asisten MK Departemen Statistika

Semester Ganjil Tahun Ajaran 2019/2020

 

Berikut ini terlampir beberapa hal yang penting diperhatikan para asisten MK Departemen Statistika yang meliputi Daftar Alokasi & Kontak Asisten, Jadwal Perkuliahan MKPengarahan Pelaksanaan ResponsiDaftar Kontak Dosen+Kode Prodi di IPB, dan Panduan Responsi

May 17, 2019
Category: Academic
Posted by: anissa
Pengumuman pembimbing skripsi mahasiswa S1 Statistika IPB angkatan 53.
May 17, 2019
Category: Academic
Posted by: anissa

Pengumuman alokasi PL mahasiswa S1 Statistika IPB TA 2019/2020.

 

STK352 Analisis Deret Waktu

Terbaru !!!

Minor - 2016

LO Mata kuliah

  • Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan tentang karakteristik data deret waktu.
  • Setelah menyelesaikan topik ini, mahasiswa dapat melakukan pemulusan rataan bergerak tunggal dan eksponensial tunggal pada data deret waktu berpola konstan.
  • Setelah menyelesaikan topik ini, mahasiswa dapat melakukan pemulusan rataan bergerak ganda dan eksponensial ganda pada data deret waktu berpola tren.
  • Setelah menyelesaikan topik ini, mahasiswa dapat melakukan pemulusan dengan Metode Winter untuk data deret waktu berpola musiman.
  • Setelah menyelesaikan topik ini, mahasiswa dapat menjelaskan konsep dasar proses stokastik, kestasioneran.
  • Setelah menyelesaikan topik ini, mahasiswa dapat menjelaskan konsep model AR(p), MA(q), ARMA(p, q), karakteristik ACF dan PACF berbagai model tersebut.
  • Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep differencing, model ARIMA(p, d, q) dan karakteristik ACF dan PACF-nya.
  • Setelah menyelesaikan topik ini, mahasiswa dapat mengidentifikasi kestasioneran dan mengidentifikasi model ARIMA(p, d, q)
  • Setelah menyelesaikan topik ini, mahasiswa dapat melakukan pendugaan parameter dengan metode Momen, Kemungkinan Maksimum Bersyarat (Conditional), Kemungkinan Maksimum Tidak Bersyarat (Unconditional), Backcasting.
  • Setelah menyelesaikan topik ini, mahasiswa dapat mendiagnostik model melalui kriteria MAPE, AIC, BIC, SBC, dan CAT
  • Setelah menyelesaikan topik ini, mahasiswa dapat melakukan peramalan (forecasting) melalui metode Minimum Mean Square Error
  • Setelah menyelesaikan topik ini, mahasiswa dapat mengidentifikasi adanya faktor musiman melalui ACF dan PACF
  • Setelah menyelesaikan topik ini, mahasiswa dapat menjelaskan faktor musiman aditif, faktor musiman multiplikatif, model musiman ARIMA(p, d, q)x(P, D, Q)s, setelah sebelumnya mampu mengidentifikasi adanya faktor musiman melalui ACF dan PACF.

Silabus

Mata kuliah ini menjelaskan karakteristik data deret waktu, pemodelan data deret waktu ARIMA(p,d,q) melalui metode momen dan metode memungkinan maksimum serta pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p, d, q)x(P, D, Q)s

Link ke Bahan Ajar

STK52_01

STK52_02

STK52_03

STK52_04

STK52_05

STK52_06

STK52_07

STK52_08

STK52_09

STK52_10

STK52_11

STK52_12

STK52_13

STK52_14

STK52_15

STK52_16

STK52_17

STK52_18

STK52_19

Previous page: Materi STK351 2016  Next page: STK352 Minor 2016