| Bahan Kajian | - Analisis dan Pemodelan deret waktu (ARIMA)
- Analisis dan Pemodelan vector deret waktu (VAR, VARMA)
- Pemodelan spasial
- Analisis dan pemodelan ruang-waktu (STACF, STPACF, model
STAR, STARMA, dan GSTAR)
| - Time Series Analysis and Modeling (ARIMA)
- Vector Time Series Analysis and Modeling (VAR, VARMA)
- Spatial Modeling
- Spatio-temporal Analysis and Modeling (STACF, STPACF, STAR, STARMA, and GSTAR models)
|
|---|
| Capaian Pembelajaran Mata Kuliah (CPMK) | - Mahasiswa memahami dan menerapkan metodologi deret waktu, geostatistik dan ruang-waktu
- Mahasiswa mempunyai keterampilan dalam memformulasikan, mengolah dan memodelkan data deretwaktu, geostatistik dan ruang-waktu hingga dapat digunakan untuk melakukan prediksi/interpolasi/prakiraan observasi yang belum ada maupun yang akan datang (forecasting)
- Mahasiswa mampu menggunakan perangkat lunak statistika terkait sebagai alat bantu komputasi dan menginterpretasikan hasil tersebut sebagai acuan dalam pemodelan, analisis dan pengambilan keputusan
- Mahasiswa mempunyai keterampilan dalam memformulasikan, mengolah dan memodelkan data deretwaktu, geostatistik dan ruang-waktu hingga dapat digunakan untuk melakukan prediksi/interpolasi/prakiraan observasi yang belum ada maupun yang akan datang (forecasting)
- Mahasiswa mampu menggunakan perangkat lunak statistika terkait sebagai alat bantu komputasi dan menginterpretasikan hasil tersebut sebagai acuan dalam pemodelan, analisis dan pengambilan keputusan
| - Students understand and apply time series methodology, geostatistics, and spatio-temporal analysis
- Students have skills in formulating, processing, and modeling time series, geostatistical, and spatio-temporal data to be used for predicting/interpolating/forecasting future or missing observations
- Students are able to use related statistical software as computational tools and interpret the results as a basis for modeling, analysis, and decision-making
- Students have skills in formulating, processing, and modeling time series, geostatistical, and spatio-temporal data to be used for predicting, interpolating, or forecasting future or missing observations
- Students are able to use relevant statistical software as computational tools and interpret the results as a basis for modeling, analysis, and decision-making
|
|---|