5.6.RP Metode Peramalan DIII KKNI
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
CAPAIAN PEMBELAJARAN (Learning Outcomes) :
Mampu menganalisis data menggunakan metode statistika
Penguasaan Pengetahuan :
5.1
5.2
Mampu menjelaskan konsep dasar metode-metode peramalan beserta penggunaan dan keterbatasannya
Mampu mengidentifikasi informasi yang diperlukan untuk memperoleh hasil ramalan yang akurat
Kemampuan Kerja:
5.3
5.4
5.5
Mampu memilih dan menerapkan metode peramalan yang tepat untuk menyelesaikan persoalan
Mampu menerapkan metode peramalan dengan bantuan program MINITAB dan SAS
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:
Telah mengikuti Metode Regresi dan nilai minimum D
97
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
PERT
-ke
1-2
CAPAIAN PEMBELAJARAN
NOMOR
5.1; 5.2
DESKRIPSI
1. Mampu
menjelaskan
konsep dasar metode
peramalan
dengan
pendekatan time series dan
kausal, serta menjelaskan
aplikasi metode peramalan
3-4
5.1 - 5.9
2. Mampu menjelaskan
konsep analisis regresi,
mampu menganalisis data
time series menggunakan
regresi linear berganda
serta menginterpretasikan
hasil
5-8
5.1 - 5.9
3. Mampu menggunakan
variabel dummy untuk
pemodelan data time series
9-16
5.1 - 5.9
4. Mampu menjelaskan
metode moving average,
metode pemulusan dan
penerapannya dalam
pemodelan data time series
Metode
Pembelajaran
Bentuk
Asesmen
[1] - [6]
Ceramah,
Diskusi,
Latihan,
Project Based
Learning
Tugas
(presentasi),
Observasi di
kelas
5%/
5%
Regresi Linear Berganda
• Pemodelan (penaksiran
dan pengujian
parameter model
regresi)
• Pemilihan model terbaik
• Pengujian asumsi
[1] BAB 3-5
[3] BAB 6, 7
[4] BAB 6
Ceramah,
Diskusi,
Latihan,
Praktikum,
Problem
Based
Learning
Tugas,
Presentasi,
Observasi di
kelas,
Tes
5%/
10%
Dummy variable, calendar
variation
[1] BAB 6
[3] BAB 8
Tugas,
Presentasi,
Observasi di
kelas,
Tes
10%/
20%
Metode Naive, Moving
Average, Metode
Pemulusan (smoothing
method)
[1] BAB 8
[3] BAB 4
[4] BAB 3
Ceramah,
Diskusi,
Latihan,
Praktikum,
Problem
Based
Learning
Ceramah,
Diskusi,
Latihan,
Praktikum,
Problem
Based
Tugas,
Presentasi,
Observasi di
kelas,
Tes
20%/
40%
Indikator Capaian
Materi
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
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
3.1 Mampu menggunakan variabel dummy untuk
memodelkan data time series yang
mengalami perubahan pola, mempunyai pola
musiman dan atau variasi kalender
4.1 Mampu menerapkan metode moving
average, single dan double exponential
smoothing, holt dan winter untuk
memodelkan data time series
Pustaka
Bobot
98
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
PERT
-ke
CAPAIAN PEMBELAJARAN
NOMOR
DESKRIPSI
Indikator Capaian
Materi
Pustaka
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
[3] BAB 5
[4] BAB 4
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
9,10
[2] BAB 1-9
[3] BAB 9,
10, 11
[4] BAB 8,9
[5] BAB 1-7
[6]
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
• Cek diagnosa dan
[1] BAB
11,12
[2] BAB 10
[3] BAB 9,
10, 11
[4] BAB 8,9
[5] BAB 8
[6]
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
Metode
Pembelajaran
Learning
Ceramah,
Diskusi,
Latihan,
Praktikum,
Problem
Based
Learning
Ceramah,
Diskusi,
Latihan,
Praktikum,
Problem
Based
Learning
Bentuk
Asesmen
Tugas,
Presentasi,
Observasi di
kelas,
Tes
Bobot
10%/
50%
Tugas,
Presentasi,
Observasi di
kelas,
Tes
20%/
70%
Ceramah,
Diskusi,
Latihan,
Praktikum,
Problem
Based
Learning
Tugas,
Presentasi,
Observasi di
kelas,
Tes
20%/
90%
99
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
CAPAIAN PEMBELAJARAN
PERT
-ke
29-30
NOMOR
5.1-5.9
DESKRIPSI
8. Mampu memilih dan
menerapkan metode yang
tepat dalam meramalkan
data time series
Materi
Indikator Capaian
terbaik
7.5 Mampu menjelaskan konsep peramalan
model SARIMA
7.6 Mampu membedakan penggunaan metode
AR, MA, ARMA dan ARIMA musiman dan
multiplikatif
8.1 Mampu memilih dan menerapkan metode
yang tepat untuk meramalkan data time
series
Pustaka
Metode
Pembelajaran
Bentuk
Asesmen
Bobot
pemilihan model terbaik
(kriteria in-sample dan
out-sample)
• Peramalan
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.
.
100
RENCANA PEMBELAJARAN
KODE/ MATA KULIAH/ SKS/ SEMESTER : SS14 5368 / METODE PERAMALAN/ (2/0/1)/ 4
DOSEN PEMBINA: DOSEN STATISTIKA FMIPA ITS
CAPAIAN PEMBELAJARAN (Learning Outcomes) :
Mampu menganalisis data menggunakan metode statistika
Penguasaan Pengetahuan :
5.1
5.2
Mampu menjelaskan konsep dasar metode-metode peramalan beserta penggunaan dan keterbatasannya
Mampu mengidentifikasi informasi yang diperlukan untuk memperoleh hasil ramalan yang akurat
Kemampuan Kerja:
5.3
5.4
5.5
Mampu memilih dan menerapkan metode peramalan yang tepat untuk menyelesaikan persoalan
Mampu menerapkan metode peramalan dengan bantuan program MINITAB dan SAS
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:
Telah mengikuti Metode Regresi dan nilai minimum D
97
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
PERT
-ke
1-2
CAPAIAN PEMBELAJARAN
NOMOR
5.1; 5.2
DESKRIPSI
1. Mampu
menjelaskan
konsep dasar metode
peramalan
dengan
pendekatan time series dan
kausal, serta menjelaskan
aplikasi metode peramalan
3-4
5.1 - 5.9
2. Mampu menjelaskan
konsep analisis regresi,
mampu menganalisis data
time series menggunakan
regresi linear berganda
serta menginterpretasikan
hasil
5-8
5.1 - 5.9
3. Mampu menggunakan
variabel dummy untuk
pemodelan data time series
9-16
5.1 - 5.9
4. Mampu menjelaskan
metode moving average,
metode pemulusan dan
penerapannya dalam
pemodelan data time series
Metode
Pembelajaran
Bentuk
Asesmen
[1] - [6]
Ceramah,
Diskusi,
Latihan,
Project Based
Learning
Tugas
(presentasi),
Observasi di
kelas
5%/
5%
Regresi Linear Berganda
• Pemodelan (penaksiran
dan pengujian
parameter model
regresi)
• Pemilihan model terbaik
• Pengujian asumsi
[1] BAB 3-5
[3] BAB 6, 7
[4] BAB 6
Ceramah,
Diskusi,
Latihan,
Praktikum,
Problem
Based
Learning
Tugas,
Presentasi,
Observasi di
kelas,
Tes
5%/
10%
Dummy variable, calendar
variation
[1] BAB 6
[3] BAB 8
Tugas,
Presentasi,
Observasi di
kelas,
Tes
10%/
20%
Metode Naive, Moving
Average, Metode
Pemulusan (smoothing
method)
[1] BAB 8
[3] BAB 4
[4] BAB 3
Ceramah,
Diskusi,
Latihan,
Praktikum,
Problem
Based
Learning
Ceramah,
Diskusi,
Latihan,
Praktikum,
Problem
Based
Tugas,
Presentasi,
Observasi di
kelas,
Tes
20%/
40%
Indikator Capaian
Materi
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
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
3.1 Mampu menggunakan variabel dummy untuk
memodelkan data time series yang
mengalami perubahan pola, mempunyai pola
musiman dan atau variasi kalender
4.1 Mampu menerapkan metode moving
average, single dan double exponential
smoothing, holt dan winter untuk
memodelkan data time series
Pustaka
Bobot
98
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
PERT
-ke
CAPAIAN PEMBELAJARAN
NOMOR
DESKRIPSI
Indikator Capaian
Materi
Pustaka
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
[3] BAB 5
[4] BAB 4
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
9,10
[2] BAB 1-9
[3] BAB 9,
10, 11
[4] BAB 8,9
[5] BAB 1-7
[6]
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
• Cek diagnosa dan
[1] BAB
11,12
[2] BAB 10
[3] BAB 9,
10, 11
[4] BAB 8,9
[5] BAB 8
[6]
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
Metode
Pembelajaran
Learning
Ceramah,
Diskusi,
Latihan,
Praktikum,
Problem
Based
Learning
Ceramah,
Diskusi,
Latihan,
Praktikum,
Problem
Based
Learning
Bentuk
Asesmen
Tugas,
Presentasi,
Observasi di
kelas,
Tes
Bobot
10%/
50%
Tugas,
Presentasi,
Observasi di
kelas,
Tes
20%/
70%
Ceramah,
Diskusi,
Latihan,
Praktikum,
Problem
Based
Learning
Tugas,
Presentasi,
Observasi di
kelas,
Tes
20%/
90%
99
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
CAPAIAN PEMBELAJARAN
PERT
-ke
29-30
NOMOR
5.1-5.9
DESKRIPSI
8. Mampu memilih dan
menerapkan metode yang
tepat dalam meramalkan
data time series
Materi
Indikator Capaian
terbaik
7.5 Mampu menjelaskan konsep peramalan
model SARIMA
7.6 Mampu membedakan penggunaan metode
AR, MA, ARMA dan ARIMA musiman dan
multiplikatif
8.1 Mampu memilih dan menerapkan metode
yang tepat untuk meramalkan data time
series
Pustaka
Metode
Pembelajaran
Bentuk
Asesmen
Bobot
pemilihan model terbaik
(kriteria in-sample dan
out-sample)
• Peramalan
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.
.
100