(Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode...
-
Upload
truongthien -
Category
Documents
-
view
226 -
download
0
Transcript of (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode...
![Page 1: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/1.jpg)
Pendahuluan(Kontrak Perkuliahan dan Pengantar)
Dr. Kusman Sadik, M.Si
Sekolah Pascasarjana Departemen Statistika IPB
Semester Ganjil 2018/2019
![Page 2: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/2.jpg)
2
![Page 3: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/3.jpg)
3
Mata kuliah ini menjelaskan karakteristik data deret waktu,
peramalan menggunakan metode pemulusan (smoothing),
pemodelan data deret waktu ARIMA(p,d,q) melalui metode
momen dan metode kemungkinan maksimum.
Menjelaskan metode pemodelan untuk data deret waktu
yang mempunyai faktor musiman (seasonally),
ARIMA(p,d,q)x(P,D,Q)s.
Serta pemodelan ragam (ARCH dan GARCH), pemodelan
data deret waktu dua peubah (fungsi transfer) dan
pemodelan data deret waktu banyak peubah (VAR).
![Page 4: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/4.jpg)
4
Setelah mengikuti mata kuliah ini selama satu
semester, mahasiswa akan mampu
menganalisis data deret waktu melalui metode
pemulusan (smoothing) data dan pemodelan
ARIMA(p, d, q) serta ARIMA(p, d, q)x(P, D, Q)s.
Mahasiswa juga mampu melakukan pemodelan
data deret waktu lanjutan (ARCH, GARCH, fungsi transfer dan VAR).
![Page 5: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/5.jpg)
5
Analisis Statistika (STK511)
![Page 6: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/6.jpg)
6
Metode pengajaran mata kuliah ini dilakukan dengan
mengkombinasikan antara perkuliahan dan praktikum dalam
satu kegiatan.
Karenanya, pada saat perkuliahan mahasiswa harus
membawa peralatan perkuliahan (alat tulis, buku, dsb) juga
peralatan untuk praktikum (laptop, dll).
Pendalaman terhadap materi kuliah dan praktikum dilakukan
melalui pemberian tugas mandiri kepada tiap mahasiswa.
![Page 7: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/7.jpg)
7
1. Kehadiran dalam perkuliahan/praktimum : minimum
80%.
2. Mahasiswa tidak sekedar hadir, tapi juga harus aktif di
perkuliahan.
3. Keterlambatan kedatangan pada perkuliahan maupun
praktikum : maksimum 15 menit.
![Page 8: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/8.jpg)
8
4. Komponen penilaian : UTS (35-45%), UAS (35-45%),
Tugas/PR/Quiz (10-30%)
5. Nilai (Huruf Mutu) : A, AB, B, BC, C, D, dan E. Batas huruf
mutu didasarkan pada rata-rata kelas.
6. Pelanggaran saat ujian : mahasiswa yang terbukti melakukan
pelanggaran akademik (misalnya mencontek atau
memberikan contekan) akan mendapatkan nilai maksimum D.
![Page 9: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/9.jpg)
9
1. HP harus di-silent, menjawab pesan dan menerima telpon
bisa dilakukan di luar ruang kuliah.
2. Mahasiswa tidak menghidupkan laptop dan peralatan
elektronik lainnya saat perkuliahan.
3. Selama sesi kuliah, mahasiswa hanya menggunakan sarana
buku dan catatan.
4. Laptop hanya digunakan pada sesi praktikum.
5. Mahasiswa yang merasa kurang sehat atau tidak bisa
mengikuti perkuliahan dengan baik, dapat minta ijin untuk
tidak ikut perkuliahan.
![Page 10: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/10.jpg)
10
Dr. Kusman Sadik, M.Si
Dr. Farit M Affendi, M.Si
Akbar Rizki, M.Si
Pika Silvianti, M.Si
![Page 11: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/11.jpg)
11
Buku Referensi :o Montgomery, D.C., et.al. 2008. Forecasting Time Series Analysis 2nd. John
Wiley.
o Cryer, J.D. and Chan, K.S. 2008. Time Series Analysis with Application in R.
Springer New York.
o Cowpertwait, P.S.P. and Metcalfe, A.V. 2009. Introductory Time Series with R.
Springer New York.
o Wei, William, W.S. 1990. Time Series Analysis, Univariate and Multivariate
Methods. Adison-Wesley Publishing Company Inc, Canada.
o Buku lainnya yang relevan.
Catatan Kuliah
![Page 12: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/12.jpg)
12
Bisa di-download di
kusmansadik.wordpress.com
![Page 13: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/13.jpg)
13
![Page 14: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/14.jpg)
14
Prioritas Utama
o Program R
Prioritas Tambahan
o SAS
o Minitab
![Page 15: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/15.jpg)
15
No Tujuan Instruksional
Khusus
Materi
Sub Materi
Jam
Pertemuan
1 Mahasiswa mampu
menjelaskan tentang
karakteristik data deret
waktu
Pendahuluan a Pengertian data deret waktu 1 kali (3x60’)
b Ruang lingkup materi analisis data deret waktu
c Karakteristik data deret waktu
d Perkembangan metode analisis data deret waktu
2 Mahasiswa mampu
melakukan pemulusan
terhadap data deret
waktu
Peramalan
dengan
metode
Smoothing
a Pemulusan Rataan bergerak Tunggal dan Eksponensial
Tunggal
2 kali (6x60’)
b Contoh kasus Pemulusan Rataan bergerak Tunggal dan
Eksponensial Tunggal
c Pemulusan Rataan bergerak Ganda dan Eksponensial
Ganda
d Contoh kasus Pemulusan Rataan bergerak Tunggal dan
Eksponensial Tunggal
e Pemulusan Winters’
f Contoh kasus Pemulusan Winters’
g Seleksi pemulusan terbaik menggunakan SSE, MSE,
MAPE, MSD, AIC, dan BIC
![Page 16: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/16.jpg)
16
No Tujuan Instruksional
Khusus
Materi
Sub Materi
Jam
Pertemuan
3 Mahasiswa dapat
menjelaskan konsep
model AR(p), MA(q),
dan ARMA(p, q)
Pemodelan Deret
Waktu Univariate
yang stasioner:
Review Model AR(p),
MA (q), ARMA (p,q)
a Proses Stokastik 2 kali (6x60’)
b Fungsi Autokorelasi
c Fungsi Autokorelasi Parsial
d White Noise
e Proses linier umum
f Model rataan bergerak, MA(q)
g Model regresi diri, AR(p)
h Model campuran, ARMA(p, q)
i Sifat Invertibilitas
j Identifikasi Model
k Metode Pendugaan parameter model
l Diagnostik model
m Peramalan
![Page 17: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/17.jpg)
17
No Tujuan Instruksional
Khusus
Materi
Sub Materi
Jam
Pertemuan
4 Mahasiswa dapat
mengidentifikasi
kestasioneran dan
mengidentifikasi model
ARIMA(p, d, q)
Pemodelan Deret
Waktu Univariate
yang tak
stasioner: Model
ARI(p,d), IMA
(d,q), ARIMA
(p,d,q)
a Jenis-jenis ketidakstasioneran 2 kali (6x60’)
b Penanganan ketidakstasioneran: Transformasi dan
pembedaan
c Penstasioneran melalui pembedaan (diffrencing)
d Model ARI(p)
e Model IMA(q)
f Model ARIMA(p, d, q)
g Identifikasi, pengepasan, dan diagnostik model
h Peramalan
5
UJIAN TENGAH SEMESTER (UTS)
![Page 18: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/18.jpg)
18
No Tujuan Instruksional
Khusus
Materi
Sub Materi
Jam
Pertemuan
6 Mahasiswa dapat
menjelaskan faktor
musiman aditif, faktor
musiman multiplikatif,
model musiman
ARIMA(p, d, q)x(P, D,
Q)s, mengidentifikasi
adanya faktor musiman
melalui IACF dan
ESPACF
Pemodelan Deret
Waktu Univariate
Musiman: Model
ARIMA (p,d,q)(P,D,Q)s
a Model ARIMA musiman 1 kali (3x60’)
b Identifikasi, pengepasan, dan diagnostik model
c Peramalan
7 Mahasiswa
mengidentifikasi
keheterogenan noise
dan dapat membangun
model ragam ARCH dan
GARCH
Pemodelan ragam
noise yang tidak
homogen
(heteroskedasitas):
Model ARCH dan
GARCH
a Pengertian heteroskedasitas 2 kali (3x60’)
b Konsekuensi akibat terjadinya masalah
heteroskedasitas
c Model ARCH dan GARCH
d Identifikasi, pengepasan, dan diagnostik model
![Page 19: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/19.jpg)
19
No Tujuan Instruksional
Khusus
Materi
Sub Materi
Jam
Pertemuan
8 Mahasiswa dapat
mengidentifikasi model
Fungsi Transfer
Pemodelan Deret
Waktu Bivariate:
Model fungsi
transfer
a Pengertian Fungsi Transfer 2 kali (6x60’)
b Fungsi korelasi silang
c Model umum fungsi transfer
d Identifikasi, pengepasan, dan diagnostik model
e Peramalan
9 Mahasiswa dapat
menjelaskan vektor
untuk model deret waktu
Pemodelan Deret
Waktu
Multivariate:
Model Vector
Autoregessive
(VAR)
a Pengertian Model VAR 2 kali (6x60’)
b Model umum VAR
c Cointegrasi
d Identifikasi, pengepasan, dan diagnostik model
e Peramalan
10
UJIAN AKHIR SEMESTER (UAS)
![Page 20: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/20.jpg)
20
![Page 21: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/21.jpg)
21
Statistics as a subject provides a body of principles and methodology for
Designing the process of data collection : survey/observation and experimental design
Summarizing and interpreting the data : descriptive statistics (table and graph).
Drawing conclusions or generalities : statistical inference.
![Page 22: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/22.jpg)
22
1. Cross-section Data
2. Time-series Data
3. Panel Data
![Page 23: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/23.jpg)
23
Terdiri dari beberapa objek data pada satu waktu
terntentu. Misalnya data penduduk dan pendapatan
perkapita tingkat kabupaten pada tahun 2017.
Kabupaten Jlh Penduduk
(juta)
Rataan pendapatan
perkapita (ribu Rp/bulan)
A 1.2 750
B 0.7 1,345
C 4.3 436
![Page 24: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/24.jpg)
24
Time-series merupakan data yang terdiri atas satu
objek tetapi meliputi beberapa periode waktu yaitu
harian, bulanan, mingguan, tahunan, dan lain-lain.
Misalnya, jumlah penduduk kabupaten A pada tiga
tahun terakhir:
Tahun Jlh Penduduk (juta)
2015 0.71
2016 0.92
2017 1.20
![Page 25: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/25.jpg)
25
Data panel adalah data yang menggabungkan
antara data time-series dan data cross-section.
Sehingga data panel akan memiliki beberapa objek
dan beberapa periode waktu. .
Kabupaten Tahun Jlh Penduduk (juta)
A 2016 0.92
A 2017 1.20
B 2016 0.56
B 2017 0.70
![Page 26: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/26.jpg)
26
Jenis Data Objek Waktu
Cross-section Data Banyak Satu
Time-series Data Satu Banyak
Panel Data Banyak Banyak
![Page 27: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/27.jpg)
27
Analyzing time-oriented data and forecasting future values
of a time series are among the most important problems
that analysts face in many fields, ranging from finance and
economics, to managing production operations, to the
analysis of political and social policy sessions..
Consequently, there is a large group of people in a variety of
fields including finance, economics, science, engineering,
and public policy who need to understand some basic
concepts of time series analysis and forecasting. .
![Page 28: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/28.jpg)
28
A forecast is a prediction of some future event or events.
Forecasting is an important problem that spans many
fields including business and industry, government,
economics, environmental sciences, medicine, social
science, politics, and finance.
Forecasting problems are often classified as short-term,
medium-term, and long-term.
Short-term forecasting problems involve predicting events
only a few time periods (days, weeks, months) into the
future.
![Page 29: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/29.jpg)
29
1. Qualitative forecasting techniques are often
subjective in nature and require judgment on the
part of experts.
Qualitative forecasts are often used in
situations where there is little or no historical
data on which to base the forecast.
An example would be the introduction of a new
product, for which there is no relevant history.
![Page 30: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/30.jpg)
30
2. Quantitative forecasting techniques make formal use of
historical data and a forecasting model.
The model formally summarizes patterns in the data
and expresses a statistical relationship between
previous and current values of the variable.
Then the model is used to project the patterns in the
data into the future.
In other words, the forecasting model is use to
extrapolate past and current behavior into the future.
![Page 31: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/31.jpg)
31
![Page 32: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/32.jpg)
32
Time series merupakan salah satu topik riset yang sangat
kaya pengembangan dan penerapannya.
Setiap bulan banyak artikel dengan topik time-series yang
terbit di jurnal internasional bereputasi.
Bahkan ada beberapa jurnal bereputasi internasional yang
mengkhususkan topiknya pada time-series.
Hal ini sangat berguna bagi mahasiswa sebagai rujukan
ketika melakukan penelitian dan membuat karya tulis ilmiah.
![Page 33: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/33.jpg)
33
https://onlinelibrary.wiley.com/journal/14679892
![Page 34: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/34.jpg)
34
![Page 35: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/35.jpg)
35
![Page 36: (Kontrak Perkuliahan dan Pengantar) · momen dan metode kemungkinan maksimum. Menjelaskan metode pemodelan untuk data deret waktu yang mempunyai faktor musiman (seasonally), ARIMA(p,d,q)x(P,D,Q)s.](https://reader031.fdocument.pub/reader031/viewer/2022013002/5cedb69188c993f1758b6640/html5/thumbnails/36.jpg)
36