5.6.RP Metode Peramalan DIII KKNI

(1)

PROGRAM STUDI DIII STATISTIKA FMIPA-ITS

RENCANA PEMBELAJARAN

KODE/ MATA KULIAH/ SKS/ SEMESTER : SS14 5368 / METODE PERAMALAN/ (2/0/1)/ 4 DOSEN PEMBINA: DOSEN STATISTIKA FMIPA ITS

97 CAPAIAN PEMBELAJARAN (Learning Outcomes) :

Mampu menganalisis data menggunakan metode statistika

Penguasaan Pengetahuan : 5.1 Mampu menjelaskan konsep dasar metode-metode peramalan beserta penggunaan dan keterbatasannya 5.2 Mampu mengidentifikasi informasi yang diperlukan untuk memperoleh hasil ramalan yang akurat

Kemampuan Kerja: 5.3 Mampu memilih dan menerapkan metode peramalan yang tepat untuk menyelesaikan persoalan

5.4 Mampu menerapkan metode peramalan dengan bantuan program MINITAB dan SAS

5.5 Mampu menginterpretasikan hasil analisis dan mengevaluasi kualitas hasil ramalan sebagai bagian terintegrasi dari proses pengambilan keputusan

Kemampuan Manajerial : 5.6. Mampu mengelola kelompok kerja dan mengkomunikasikan hasilnya baik lisan maupun tertulis secara komprehensif 5.7. Bertanggung jawab pada pekerjaan sendiri

5.8. Dapat diberi tanggung jawab atas pencapaian hasil kerja kelompok

Sikap dan Tata Nilai : 5.9 Memiliki etika profesi (termasuk menghargai temuan orisinil orang lain); menghargai pendapat orang lain; patuh pada aturan tertulis dan tidak tertulis; serta berfikir cerdas, amanah dan kreatif

Materi (pokok bahasan):

Pendahuluan (ruang lingkup mata kuliah, klasifikasi dan aplikasi metode peramalan), Trend Analysis, Regresi Linear Berganda, Dummy Variable, Calendar Variation, Metode Naif, Moving Average, Metode Pemulusan, Metode Dekomposisi, Model ARIMA Reguler - Musiman - Multiplikatif, Kriteria Pemilihan Model Terbaik

Prasayarat:

(2)

98 PERT

-ke

CAPAIAN PEMBELAJARAN

Indikator Capaian Materi Pustaka _PembelajaranMetode _AsesmenBentuk Bobot

NOMOR DESKRIPSI

1-2 5.1; 5.2 1.Mampu menjelaskan

konsep dasar metode peramalan dengan pendekatan time series dan kausal, serta menjelaskan aplikasi metode peramalan

1.1 Mampu menjelaskan konsep dasar dan

aplikasi metode peramalan.

1.2 Mampu menjelaskan kesamaan dan

perbedaan analisis time series dengan metode statistika kausal, khususnya analisis regresi.

1.3 Mampu menerapkan analisis regresi untuk

memodelkan data time series yang memiliki trend linier, kuadratik, kubik, eksponensial dan hiperbolik

Pendahuluan:

• Ruang lingkup mata

kuliah

• Klasifikasi dan aplikasi metode peramalan

• Trend Analysis

[1] - [6] Ceramah,

Diskusi, Latihan, Project Based Learning

Tugas (presentasi), Observasi di kelas

5%/ 5%

3-4 5.1 - 5.9 2.Mampu menjelaskan

konsep analisis regresi, mampu menganalisis data time series menggunakan regresi linear berganda serta menginterpretasikan hasil

2.1 Mampu menerapkan analisis regresi linear berganda dari data time series beserta interpretasinya

2.2 Mampu melakukan pemilihan model terbaik menggunakan metode backward, forward dan stepwise dari data time series

2.3 Mampu melakukan uji kebaikan suai model 2.4 Mampu menginterpretasikan hasil

pemodelan regresi

Regresi Linear Berganda

• Pemodelan (penaksiran

dan pengujian parameter model regresi)

• Pemilihan model terbaik • Pengujian asumsi

[1] BAB 3-5 Observasi di kelas, Tes

5%/ 10%

5-8 5.1 - 5.9 3.Mampu menggunakan

variabel dummy untuk pemodelan data time series

3.1 Mampu menggunakan variabel dummy untuk

memodelkan data time series yang

mengalami perubahan pola, mempunyai pola musiman dan atau variasi kalender

Dummy variable, calendar variation Observasi di kelas, Tes

10%/ 20%

9-16 5.1 - 5.9 4.Mampu menjelaskan

metode moving average, metode pemulusan dan penerapannya dalam pemodelan data time series

4.1 Mampu menerapkan metode moving

average, single dan double exponential smoothing, holt dan winter untuk memodelkan data time series

Metode Naive, Moving Average, Metode Pemulusan (smoothing

method) Observasi di kelas, Tes

(3)

99 PERT

-ke

Learning

17-20 5.1 - 5.9 5.Mampu menerapkan

metode dekomposisi

5.1 Mampu menerapkan dekomposisi yang

merupakan penguraian nilai suatu data time series sebagai penggandaan (multiplication) dari faktor-faktor : trend, cyclical, seasonality,

dan irregularity

Metode Dekomposisi [1] BAB 7 Observasi di kelas, Tes

10%/ 50%

21-26 5.1- 5.9 6.Mampu menerapkan

metode ARIMA reguler, Mampu

menginterpretasikan hasil dan mengevaluasi kualitas hasil ramalan, Mampu memilih model terbaik

6.1 Mampu menjelaskan konsep ACF dan PACF

pada proses AR, MA, ARMA dan ARIMA

6.2 Mampu menjelaskan tahapan pemodelan

ARIMA

6.3 Mampu menjelaskan cara identifikasi proses yang tidak stasioner dalam mean dan/atau varians

6.4 Mampu menjelaskan konsep estimasi dan pengujian parameter model ARIMA

6.5 Mampu menjelaskan konsep cek diagnosa

model ARIMA

6.6 Mampu menjelaskan konsep pemilihan model terbaik dan kriteria pemilihan model terbaik

6.7 Mampu menjelaskan konsep peramalan

model ARIMA

6.8 Mampu membedakan penggunaan metode

AR, MA, ARMA dan ARIMA

Pemodelan ARIMA reguler

• Konsep stasioneritas data time series, fungsi autokorelasi (ACF), dan fungsi autokorelasi parsial (PACF).

• Tahapan pemodelan

ARIMA

• Metode estimasi parameter pada model ARIMA

• Cek diagnosa dan

pemilihan model terbaik (kriteria in-sample dan out-sample)

• Peramalan

[1] BAB Observasi di kelas, Tes

20%/ 70%

27-28 5.1-5.9 7.Mampu menerapkan

metode SARIMA (ARIMA musiman), Mampu menginterpretasikan hasil dan mengevaluasi kualitas hasil ramalan, Mampu memilih model terbaik

7.1 Mampu menjelaskan konsep ACF dan PACF

pada proses AR, MA, ARMA dan ARIMA musiman dan multiplikatif

7.2 Mampu menjelaskan konsep estimasi dan pengujian parameter model SARIMA

7.3 Mampu menjelaskan konsep cek diagnosa

model SARIMA

7.4 Mampu menjelaskan konsep pemilihan model terbaik dan kriteria pemilihan model

Pemodelan ARIMA

musiman dan multiplikatif

• ACF dan PACF model

SARIMA

• Estimasi dan pengujian parameter model SARIMA Observasi di kelas, Tes

(4)

100 PERT

-ke

terbaik

7.5 Mampu menjelaskan konsep peramalan

model SARIMA

7.6 Mampu membedakan penggunaan metode

AR, MA, ARMA dan ARIMA musiman dan multiplikatif

pemilihan model terbaik (kriteria in-sample dan out-sample)

• Peramalan

29-30 5.1-5.9 8. Mampu memilih dan

menerapkan metode yang tepat dalam meramalkan data time series

8.1 Mampu memilih dan menerapkan metode yang tepat untuk meramalkan data time series

Review dan Studi Kasus [1] - [6] Ceramah,

Diskusi, Latihan, Praktikum, Problem Based Learning

Tugas, Presentasi, Observasi di kelas, Tes

10%/ 100%

PUSTAKA UTAMA

1. Bowerman, B. L., O’Connell, R., and Koehler, A. “Forecasting, Time Series and Regression”. Thomson, Brooks Cale. 2005 2. Hanke, J.E. and Wichern, D. W. Business Forecasting, 9th Edition, Pearson International Edition. 2008

3. Makridakis, S., Wheelwright, S.C., and McGee, V. E. Metode dan Aplikasi Peramalan: Jilid 1, Erlangga, Jakarta. 1988

PUSTAKA PENDUKUNG

1. Cryer, D.J. and Chan, K. “Time Series Analysis: with Applications in R”, 2nd Edition. Springer. USA. 2005 2. Wei, W. W. S. Time Series Analysis: Univariate and Multivariate Methods, 2nd Edition. Pearson. USA. 2006 3. Manual Minitab dan SAS Users Guide.