| Bahan Kajian | - Membahas kestasioneran, prosedur pemodelan serta forecasting deret waktu (time series) dan vector deret waktu, khususnya model AR, MA, ARIMA, dan Vector Autoregressive (VAR)
- Pembahasan juga dilakukan pada pemodelan spasial khususnya geostatistik, yaitu kestasioneran, korelasi spasial, variogram, dan pemodelan kriging
- Pembahasan mengenai analisis ruang waktu sebagai gabungan dari permasalahan deret waktu dan spasial, ditekankan pada kestasioneran, prosedur pemodelan, STACF, STPACF, model STAR, STARMA, dan GSTAR, estimasi parameter dengan least square, uji diagnostik, dan pemanfaatan untuk prakiraan (forecasting)
| - Discusses stationarity, modeling procedure and time series and the time series vector forecasting , in particular AR, MA, ARIMA, and Vector Autoregressive (VAR) models
- Discussions are also carried out on ,in particular spatial modeling, geostatistics, ie stationarity, spatial correlation, variogram and kriging modeling
- The discussion on the analysis of space-time as a combination of the time series and spatial series problems, emphasized on stationarity, modeling procedures, STACF, STPACF, STAR models, STARMA, and GSTAR, parameter estimation with least square, diagnostic tests, and the use of forecasts (Forecasting).
|
|---|
| 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
|
|---|