Global searching is not enabled.
Skip to main content

Weekly outline

    • Koordinator Tim: I Wayan Sumarjaya (sumarjaya@unud.ac.id)

      I Wayan Sumarjaya

      Anggota Tim Teaching I: I Gusti Ayu Made Srinadi (srinadi@unud.ac.id)

      I Gusti Ayu Made Srinadi

      Anggota Tim Teaching II: Made Susilawati (mdsusilawati@unud.ac.id)

      Made Susilawati


      Lokasi fisik: Gedung GG (UKM), Fakultas MIPA, Universitas Udayana

      Catatan: Sangat disarankan bagi Anda yang belajar secara mandiri untuk membaca materi kuliah secara berurutan. Tingkat kesulitan bersesuaian dengan perkuliahan, artinya kuliah 2 akan lebih sulit daripada kuliah 1 dan seterusnya.

  • Kuliah 1: Pengantar Analisis Deret Waktu

    Setelah mengikuti materi ini Anda diharapkan mampu menjelaskan konsep deret waktu, contoh-contoh deret waktu, jenis-jenis deret waktu, tujuan analisis deret waktu dan klasifikasi deret waktu dan mendemonstrasikan dengan perangkat lunak R (C2, P2, A2).

    Materi pokok bahasan pengantar analisis deret waktu meliputi konsep deret waktu, contoh-contoh deret waktu, jenis-jenis deret waktu, tujuan analisis deret waktu, dan klasifikasi deret waktu.

    Materi perkuliahan ini akan menggunakan R untuk analisis data. Video berikut berisi tutorial dasar penggunaan R


    • Setelah mengikuti materi ini Anda diharapkan mampu menjelaskan konsep deret waktu, contoh-contoh deret waktu, jenis-jenis deret waktu, tujuan analisis deret waktu dan klasifikasi deret waktu dan mendemonstrasikan dengan perangkat lunak R (C2, P2, A2).

      Materi pokok bahasan pengantar analisis deret waktu meliputi konsep deret waktu, contoh-contoh deret waktu, jenis-jenis deret waktu, tujuan analisis deret waktu, dan klasifikasi deret waktu.

      Sumber materi lain yang relevan sebagai pengantar analisis deret waktu antara lain:

    • Mata kuliah terbuka ini menggunakan R untuk menganalisis data deret waktu. R dapat didownload melalui laman web https://cran.r-project.org/bin/. Selanjutnya kita pilih versi R yang sesuai dengan sistem operasi pada komputer. Kuliah terbuka dan video tutorial ini menggunakan R adalah R untuk Windows versi 3.5.1. Cara pengoperasian R untuk sistem operasi lain seperti Linux dan MacOS pada dasarnya sama saja.

      Time Series Analysis Using the R Statistical Package oleh Robert Shumway dan David Stoffer merupakan buku dalam versi Creative Commons yang wajib dibaca. Silakan baca Bab I.

      Pustaka (library) R yang relevan dengan pokok bahasan ini: datasets, TSA, astsa, dan tseries.

      Untuk menginstal pustaka tersebut gunakan perintah install.packages("namapustaka") atau melalui menu Packages, kemudian Install Package(s), kemudian pilih CRAN mirrors yang dinginkan. Berikutnya pilih nama paket yang ingin diinstal.

    • Forum untuk berdiskusi materi pada pengantar analisis deret waktu.

    • Kuis pengantar analisis deret waktu untuk melihat kembali apa yang sudah Anda pelajari.

  • Kuliah 2: Elemen Eksplorasi Data Deret Waktu

    Setelah mengikuti materi ini Anda diharapkan mampu menggunakan perangkat lunak (software) R untuk mengeksplorasi data deret waktu melalui plot, transformasi, dekomposisi, dan karakteristik data deret waktu dan mendemonstrasikan dengan perangkat lunak R (C3, P2, A2)

    Pokok bahasan materi ini meliputi: plot data deret waktu; transformasi data; studi latar belakang data deret waktu; dekomposisi klasik (tren, musiman, siklus, fluktuasi tak beraturan); karakteristik data deret waktu.

    Video berikut memperlihatkan bagaimana melakukan eksplorasi data deret waktu menggunakan R. 

  • Kuliah 3: Pengantar Proses Stasioner

    Setelah mengikuti materi ini Anda diharapkan mampu membandingkan proses stasioner sebagai bagian dari proses linear dan mendemonstrasikan dengan perangkat lunak R (C4, P2, A2)

    Pokok bahasan pada materi ini meliputi: konsep proses stokastik, konsep proses stasioner (stasioner kuat dan stasioner lemah); fungsi autokovarians dan autokorelasi sampel.

    Salah satu bagian penting dalam mempelajari analisis deret waktu adalah melakukan simulasi. Video berikut memberikan tutorial bagaimana melakukan simulasi proses stasioner.

    • Pengantar proses stasioner: konsep proses stokastik, konsep proses stasioner (stasioner kuat dan stasioner lemah), fungsi autokovarians dan autokorelasi sampel, dan proses-proses linear.


    • Time Series Analysis Using the R Statistical Package oleh Robert Shumway dan David Stoffer merupakan buku dalam versi Creative Commons yang wajib dibaca. Silakan baca Bab III.

      Pustaka (library) R yang relevan dengan pokok bahasan ini: datasets, TSA, astsa, dan tseries.

      Untuk menginstal pustaka tersebut gunakan perintah install.packages("namapustaka") atau melalui menu Packages, kemudian Install Package(s), kemudian pilih CRAN mirrors yang dinginkan. Berikutnya pilih nama paket yang ingin diinstal.

    • Forum pengantar proses stasioner

    • Kuis Pengantar Proses Stasioner

  • Kuliah 4: Model-model Deret Waktu Stasioner

    Setelah mengikuti materi ini Anda diharpkan mampu membandingkan proses stasioner sebagai bagian dari proses linear dan mendemonstrasikan dengan perangkat lunak R (C4, P2, A2).


    Pokok bahasan meliputi: proses rerata bergerak (moving average), proses autoregresif (autoregressive) dan proses rerata bergerak autoregresif (autoregress-ive moving average).

    Lihat kembali video pada kuliah 3 untuk melakukan simulasi proses stasioner.

    • Model-model deret waktu stasioner: proses linear umum, proses rerata bergerak (moving average), proses autoregresif (autoregressive), dan proses rerata bergerak autoregresif (autoregressive moving average).


    • Time Series Analysis Using the R Statistical Package oleh Robert Shumway dan David Stoffer merupakan buku dalam versi Creative Commons yang wajib dibaca. Silakan baca Bab III.

      Pustaka (library) R yang relevan dengan pokok bahasan ini: datasets, TSA, astsa, dan tseries.

      Untuk menginstal pustaka tersebut gunakan perintah install.packages("namapustaka") atau melalui menu Packages, kemudian Install Package(s), kemudian pilih CRAN mirrors yang dinginkan. Berikutnya pilih nama paket yang ingin diinstal.


    • Forum Model-model Deret Waktu Stasioner

    • PR I Analisis Deret Waktu

  • Kuliah 5: Model-model Deret Waktu Nonstasioner

    Setelah mengikuti materi ini Anda diharapkan mampu memisahkan antara proses stasioner ARMA dan proses nonstasioner ARIMA dan mendemonstrasikan dengan perangkat lunak R (C4, P2, A2)

    Pokok bahasan materi ini meliputi: fungsi autokovarians model ARIMA dan fungsi autokorelasi model ARIMA.

    Video berikut memberikan tutorial bagaimana melakukan differencing terhadap data deret waktu.

  • Kuliah 6: Spesifikasi Model

    Setelah mengikuti materi ini Anda diharapkan mampu memilih model deret waktu yang sesuai.

    Pokok bahasan ini meliputi: sifat-sifat fungsi autokorelasi sampel, fungsi autokorelasi,parsial, kriteria informasi, dan uji akar unit.

    Video berikut memberikan tutorial bagaimana melakukan spesifikasi dan estimasi model ARIMA.

    • Pokok bahasan pada materi ini meliputi sifat-sifat fungsi autokorelasi sampel, fungsi autokorelasi parsial, kriteria informasi, dan uji akar unit.

    • Time Series Analysis Using the R Statistical Package oleh Robert Shumway dan David Stoffer merupakan buku dalam versi Creative Commons yang wajib dibaca. Silakan baca Bab III.

      Pustaka (library) R yang relevan dengan pokok bahasan ini: datasets, TSA, astsa, dan tseries

      Untuk menginstal pustaka tersebut gunakan perintah install.packages("namapustaka") atau melalui menu Packages, kemudian Install Package(s), kemudian pilih CRAN mirrors yang dinginkan. Berikutnya pilih nama paket yang ingin diinstal.

    • Forum untuk membahas spesifikasi model.

    • Kuis spesifikasi model

    • PR II Analisis Deret Waktu

  • Kuliah 7: Estimasi Parameter Model ARIMA

    Mahasiswa mampu memilih model deret waktu ARIMA yang sesuai dengan melakukan spesifikasi dan estimasi model berdasarkan kriteria informasi dan mendemonstrasikan dengan perangkat lunak R (C5, P2, A2)

    Lihat kembali video pada kuliah 6 untuk estimasi parameter model ARIMA menggunakan fungsi arima pada R.

    • Materi pada pokok bahasan ini meliputi pendugaan parameter dengan metode kemungkinan maksimum (maximum likelihood estimator) dan metode kuadrat terkecil (least squares estimator)

    • Time Series Analysis Using the R Statistical Package oleh Robert Shumway dan David Stoffer merupakan buku dalam versi Creative Commons yang wajib dibaca. Silakan baca Bab III.

      Pustaka (library) R yang relevan dengan pokok bahasan ini: datasets, TSA, astsa, dan tseries.

      Untuk menginstal pustaka tersebut gunakan perintah install.packages("namapustaka") atau melalui menu Packages, kemudian Install Package(s), kemudian pilih CRAN mirrors yang dinginkan. Berikutnya pilih nama paket yang ingin diinstal.


    • Forum Estimasi Parameter Model ARIMA

  • Ujian Tengah Semester

    Contoh Soal Ujian Tengah Semester

  • Kuliah 9: Diagnostik dan Peramalan Model ARIMA

    Mahasiswa mampu mengevaluasi kelayakan model deret waktu ARIMA musiman melalui uji diagnostik model yang sesuai (C5, P2, A2)

  • Kuliah 10: Model ARIMA Musiman

    Mahasiswa mampu mengevaluasi kelayakan model deret waktu ARIMA musiman melalui uji diagnostik model yang sesuai (C5, P2, A2).

    Video berikut mengilustrakikan pemodelan ARIMA musiman pada data co2.

    • Materi pokok bahasa ini meliputi: uji kenormalan sisaan, QQ Plot, uji Ljung-Box, model SARIMA.

    • Time Series Analysis Using the R Statistical Package oleh Robert Shumway dan David Stoffer merupakan buku dalam versi Creative Commons yang wajib dibaca. Silakan baca Bab III.

      Pustaka (library) R yang relevan dengan pokok bahasan ini: datasets, TSA, astsa, tseries, fGarch, xts.

      Untuk menginstal pustaka tersebut gunakan perintah install.packages("namapustaka") atau melalui menu Packages, kemudian Install Package(s), kemudian pilih CRAN mirrors yang dinginkan. Berikutnya pilih nama paket yang ingin diinstal.

    • Forum Model ARIMA Musiman

    • Kuis Model ARIMA Musiman

  • Kuliah 11: Model Heteroskedastik

    Mahasiswa mampu mengevaluasi kelayakan model deret waktu heteroskedastik (C5, P2, A2)

    • Materi pokok bahasan meliputi: stylized fact data finansial, volatilitas pada data finansial, model ARCH dan GARCH, estimasi model ARCH dan GARCH dengan metode kemungkinan maksimum, menguji efek ARCH dan GARCH, dan aplikasi pada data finansial.

      Pustaka (library) R yang relevan dengan pokok bahasan ini: datasets, TSA, astsa, tseries, fGarch, xts.

      Untuk menginstal pustaka tersebut gunakan perintah install.packages("namapustaka") atau melalui menu Packages, kemudian Install Package(s), kemudian pilih CRAN mirrors yang dinginkan. Berikutnya pilih nama paket yang ingin diinstal.


    • Forum Model Heteroskedastik

    • Kuis model heteroskedastik

  • Kuliah 12: Estimasi dan Diagnostik Model Heteroskedastik

    Mahasiswa mampu mengevaluasi kelayakan model deret waktu heteroskedastik (C5, P2, A2)

  • Kuliah 13: Peramalan Model Heteroskedastik

    Mahasiswa mampu mengevaluasi kelayakan model deret waktu heteroskedastik (C5, P2, A2)

    Video berikut memberikan tutorial bagaimana melakukan pemodelan heteroskedastik dengan menggunakan data saham NASDAQ.

    • Materi pokok bahasan meliputi: stylized fact data finansial, volatilitas pada data finansial, model ARCH dan GARCH, estimasi model ARCH dan GARCH dengan metode kemungkinan maksimum, menguji efek ARCH dan GARCH, dan aplikasi pada data finansial

    • Time Series Analysis Using the R Statistical Package oleh Robert Shumway dan David Stoffer merupakan buku dalam versi Creative Commons yang wajib dibaca. Silakan baca Bab 5.

      Pustaka (library) R yang relevan dengan pokok bahasan ini: datasets, TSA, astsa, tseries, fGarch, xts.

      Untuk menginstal pustaka tersebut gunakan perintah install.packages("namapustaka") atau melalui menu Packages, kemudian Install Package(s), kemudian pilih CRAN mirrors yang dinginkan. Berikutnya pilih nama paket yang ingin diinstal.

    • Forum Peramalan Model Heteroskedastik

  • Kuliah 14: Mengevaluasi Artikel Ilmiah

    Mahasiswa mampu mengevaluasi artikel ilmiah yang berhubungan dengan aplikasi deret waktu dan mendemonstrasikan dengan perangkat lunak R (C5, P2, A3).

  • Kuliah 15: Membuat Peramalan Data Deret Waktu

    Mahasiswa mampu menciptakan peramalan deret waktu melalui tugas individu dan kelompok dan mendemonstrasikan dengan perangkat lunak R dan mampu menyatakan pendapat (C6, P2, A3)

  • Ujian Akhir Semester

    Contoh Soal Ujian Akhir Semester