: 01
Hal : 1/15
MATA KULIAH KODE DOSEN PENGAMPU BOBOT (SKS) SEMESTER TANGGAL PENYUSUNAN
Metode Peramalan / Forecasting Methods AK201421 Abrari Noor Hasmi, S.Si., M.Si. 3 3 27 Maret 2021
OTORISASI
CAPAIAN CAPAIAN PEMBELAJARAN LULUSAN (CPL) YANG DITITIPKAN PADA MATA KULIAH
PEMBELAJARAN
(CP) Aspek Sikap:
Hal : 2/15
Aspek Pengetahuan:
P.2 Menguasai konsep teoritis dan pemahaman yang mendalam dalam bidang matematika, teori peluang, statistika, analitika data,
keuangan dan bidang ilmu yang relevan.
KK.2 Memiliki kemampuan menerapkan konsep algoritma dan pemrograman serta ilmu data untuk memecahkan masalah di bidang aktuaria
dan pengelolaan risiko.
KK.3 Memiliki kemampuan yang setara dengan ajun aktuaris (ASAI) dalam melakukan identifikasi, pemodelan dan pengelolaan risiko secara
kuantitatif.
Mahasiswa mampu menerapkan metode peramalan data runtun waktu dari permasalahan atau fenomena sederhana untuk memperoleh
No. Dok. : 01
Hal : 3/15
METODE
PENILAIAN dan
KAITAN dengan Sub-CPMK
Komponen Penilaian Presentase
CPL 1 2 3 4 5 6
Tugas 1 6.6 ✔
Posttest 1 5 ✔
Kuis 1 7.5 ✔ ✔ ✔
Tugas 2 6.6 ✔
Kuis 2 7.5 ✔ ✔
Posttest 2 5 ✔ ✔
Tugas 3 6.6 ✔
Posttest 3 5 ✔ ✔
Hal : 4/15
Total 100
DESKRIPSI Mata kuliah peramalan merupakan mata kuliah lanjut yang berisi metode-metode dalam memprediksi kejadian di masa depan berdasarkan data
SINGKAT MK historis runtun waktu. Mata kuliah ini dapat diaplikasikan dalam berbagai bidang. Mata kuliah ini akan dikhususkan untuk menganalisis
peramalan dari data runtun waktu. Data runtun waktu akan dikelompokkan berdasarkan sifatnya seperti ada tidaknya trend dalam data, ada
pola musiman, serta data yang memiliki volatilitas yang tinggi. Metode peramalan yang digunakan akan disesuaikan dengan sifat data dan tujuan
peramalan. Melalui mata kuliah ini mahasiswa diharapkan mampu melakukan analisis data runtun waktu dan mengambil keputusan berdasarkan
hasil peramalan di masa mendatang. Pembelajaran akan dilakukan melalui aktivitas diskusi dan tatap muka di kelas untuk memperdalam
pemahaman teoritis dan analisis. Selain itu, mahasiswa akan diperkenalkan pemrograman dasar R yang akan digunakan sebagai tools dalam
analisis data. Capaian pembelajaran akan diukur melalui nilai tugas, mini project, evaluasi tengah semester, dan evaluasi akhir semester.
Hal : 5/15
PUSTAKA UTAMA
1. Makridakis, S. G., Wheelwright, S. C., & Hyndman, R. J. (1998). Forecasting: methods and applications. John Wiley & Sons.
2. Cryer, Jonathan D., & Chan, Kung-Sik. (2008). Time Series Analysis with Applications in R. Springer.
PENDUKUNG
1. Brockwell, P. J., & Davis, R. A. (2002). Intorduction to Time Series and Forecasting. Springer.
2. Montgomery, D.C, Jennings, C.L., & Kulahci, M. (2007).Introduction to Time Series Analysis and Forecasting. John Wiley & Sons..
Hal : 6/15
PETA KOMPETENSI
No. Dok. : 01
Hal : 7/15
No. Dok. : 01
Hal : 8/15
(1) (2) (4) (5) (6) (7) (8) (9) (10) (12)
Dasar-dasar
metode
peramalan:
TM :
Mampu menjelaskan ●Langkah dasar Kuliah/ 150
konsep dasar dalam peramalan Ketepatan ● Mampu mengidentifikasi
Simulasi Tugas
peramalan dan ●Karakteristik data analisis karakteristik data time series KT :
1 dengan ekplorasi 0%
fungsi dasar analisis runtun waktu. Tugas 1 eksplorasi (stasioner, trend, musiman, dan 180
program program R
data dalam program ●Pre processing data siklik)
R KM :
Rstudio data 180
2 Mampu menerapkan Statistika Dasar Kuliah/ Tugas Ketepatan ● Mampu menerapkan Langkah- 6.7% TM :
No. Dok. : 01
Hal : 9/15
dalam Peramalan
150
●Plot data runtun
analisis KT :
waktu
stasioneritas langkah dengan tepat 180
●Uji Stasioneritas
data
●ACF dan PACF KM :
180
metode analisis Simulasi analisis
stasioneritas dalam dengan data
data runtun waktu ●Transformasi program ● Hasil sesuai
data ● Analisis yang diberikan relevan TM :
R
(Differencing, log, 150
box cox) KT :
3 ●Trend & Seasonal 5%
180
Adjustment
●Evaluasi KM :
180
Peramalan
4 Mampu menerapkan ●Konsep dasar Kuliah/ Menonton Tugas Ketepatan ● Mampu menerapkan lagkah- 0% TM :
metode rata-rata ●Model Moving Simulasi Video peramalan analisis langkah peramalan dengan tepat 150
sederhana dengan Pembelajar data runtun data dan ● Hasil peramalan sesuai
average ● Analisis yang diberikan relevan KT :
program an, waktu peramalan 180
●Jenis model R dengan
moving
No. Dok. : 01
Hal : 10/15
KM :
averaging average
180
TM :
Tugas
Kuliah/ 150
●Pengenalan Menonton analisis data Ketepatan
Simulasi ● Mampu menerapkan metode
●Jenis Metode Video dengan analisis 14.1 KT :
5 dengan dengan tepat
Pembelajar metode data dan % 180
program ● Hasil peramalan sesuai
penghalusan an, Tugas 2 exponensial peramalan
R KM :
Mampu menerapkan smoothing
180
metode penghalusan
7 Kuis 1 Mini project Simulasi Menonton Mini project Ketepatan ●Mampu menerapkan metode 0% TM :
analisis data dengan Video analisis dengan tepat 150
● Penerapan program Pembelajar data dan ●Hasil peramalan sesuai
metode dasar KT :
R an, peramalan
No. Dok. : 01
Hal : 11/15
●Konsep Dasar TM :
●Analisis trend 150
●Rasio MA pada Kuliah/ KT :
classical Menonton Ketepatan ●Mampu menerapkan metode
Mampu menerapkan Simulasi Tugas 180
dekomposisi Video analisis dengan tepat
9 model dekomposisi dengan analisis 0%
●Pengembangan Pembelajar data dan ●Hasil peramalan sesuai KM :
dan analisis trend program dekomposisi
pada metode an, peramalan ●Analisis yang diberikan relevan 180
R
dekomposisi
Hal : 12/15
180
Hal : 13/15
Hal : 14/15
Quiz 15%
UTS 25%
UAS 25%
86 ≤ Nilai = 100 A
76 ≤ Nilai < 86 AB
66 ≤ Nilai < 76 B
56 ≤ Nilai < 66 BC
51 ≤ Nilai < 56 C
41 ≤ Nilai < 51 D
0 = Nilai < 41 E
No. Dok. : 01
Hal : 15/15
KONTRAK KULIAH :
● KECURANGAN yang meliputi kegiatan plagiat, curang, dan/atau menyontek dalam setiap EVALUASI dan/atau KUIS akan diberikan sanksi NILAI 0 kepada
mahasiswa yang bersangkutan.
● Mahasiswa yang melakukan KECURANGAN DALAM PENGISIAN DAFTAR HADIR akan diberikan sanksi TIDAK LULUS.