Minggu 1 Review Peubah Acak dan Fungsi Distribusi. Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting

dokumen-dokumen yang mirip
Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA

Minggu 1 Review Peubah Acak; Karakteristik Time Series. Minggu 4-6 Model Moving Average (MA), Autoregressive (AR)

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD.

MA4081 PENGANTAR PROSES STOKASTIK

Catatan Kuliah. MA5181 Proses Stokastik

MA5181 PROSES STOKASTIK

MA4081 PENGANTAR PROSES STOKASTIK

Catatan Kuliah. MA5181 Proses Stokastik

Spesifikasi Model. a. ACF

Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

STATISTIK PERTEMUAN VI

Pengenalan Analisis Deret Waktu (Time Series Analysis) MA 2081 Statistika Dasar 30 April 2012

/ /16 =

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Pengantar Proses Stokastik

Pengantar Proses Stokastik

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Pengantar Proses Stokastik

Pengantar Statistika Matematik(a)

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

MA5181 PROSES STOKASTIK

PEMBANGKIT RANDOM VARIATE

Penerapan Model ARIMA

Distribusi Peluang. Maka peubah acak X dinyatakan dengan banyaknya kemunculan angka. angka sama sekali. angka.

Dasar-dasar Statistika Pemodelan Sistem

AK5161 Matematika Keuangan Aktuaria

Prediksi Curah Hujan dengan Model Deret Waktu dan Prakiraan Krigging pada 12 Stasiun di Bogor Periode Januari Desember 2014.

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah

MA4081 PENGANTAR PROSES STOKASTIK

BAB 2 LANDASAN TEORI

Pengantar Proses Stokastik

IKG4A2 Kapita Selekta Dosen: Aniq A. Rohmawati, M.Si Data Deret Waktu dan i.i.d

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

Peubah Acak dan Distribusi

BAB 1. Rantai Markov 1.1 ILUSTRASI

Learning Outcomes Peubah Acak Fungsi Sebaran Secaran Diskret Nilai Harapan. Peubah Acak. Julio Adisantoso. 13 Maret 2014

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA

AK5161 Matematika Keuangan Aktuaria

BAB II LANDASAN TEORI

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang

Probabilitas dan Statistika Variabel Acak dan Fungsi Distribusi Peluang Diskrit. Adam Hendra Brata

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012

Kuis 1 MA5181 Proses Stokastik Precise. Prospective. Tanggal 24 Agustus 2016, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Mata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

Penerapan Model ARIMA

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap

PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA

Penerapan Model ARIMA

PEUBAH ACAK DAN DISTRIBUSINYA

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya

A 80 NA < 100; AB 70 NA < 80; B 65 NA < 70; BC 60 NA < 65; C 45 NA < 60; D 30 NA < 45

BAB II TINJAUAN PUSTAKA

Pengantar Proses Stokastik

BAB III PROSES POISSON MAJEMUK

Pengantar Proses Stokastik

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Minggu 5-6 Penerapan Pemodelan dan Simulasi. Minggu 7 Pemilihan Topik dan Rencana Kerja Kelompok. Minggu 8 Pengerjaan Tugas: Pendalaman Masalah

MA5181 PROSES STOKASTIK

BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial

Distribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)

Distribusi Peubah Acak

Pengantar Proses Stokastik

MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson

Minggu 3 Peluang Bersyarat (Teorema Bayes) Minggu 4 Peubah Acak, Fungsi Peluang, Fungsi Distribusi. Minggu 6 Distribusi Peubah Acak Diskrit (PAD)

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

MA(q) AR(p) MA(q) jika ACF cuts off lebih tajam, AR(p) jika PACF cuts off lebih tajam ARMA(0,0)

BAB I PENDAHULUAN. atau memprediksi nilai suatu perolehan data di masa yang akan datang

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po

RENCANA PEMBELAJARAN SEMESTER (RPS)

Mata Kuliah Pemodelan & Simulasi

BAB SIMULASI PERHITUNGAN HARGA BARANG. Bab 4 Simulasi Perhitungan Harga barang berisikan :

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Suma Suci Sholihah, Heni Kusdarwati, Rahma Fitriani. Jurusan Matematika, F.MIPA, Universitas Brawijaya

Application of ARIMA Models

Catatan Kuliah. MA5181 Proses Stokastik

PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA

STATISTIKA UNIPA SURABAYA

TEORI DASAR DERET WAKTU M A T O P I K D A L A M S T A T I S T I K A II 22 J A N U A R I 2015 U T R I W E N I M U K H A I Y A R

PEUBAH ACAK DAN DISTRIBUSINYA

Pengantar Proses Stokastik

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3)

PENDAHULUAN TEORI PROBABILITAS ATA /12/2013 MMA frekuensi H frekuensi T. Probabilitas hujan = 18 / 30?

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

PENDEKATAN RANTAI MARKOV WAKTU DISKRIT DALAM PERENCANAAN KEBUTUHAN TEMPAT TIDUR RUMAH SAKIT

PENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU

MA4081 PENGANTAR PROSES STOKASTIK

BAB 1. Rantai Markov 1.1 ILUSTRASI

Transkripsi:

IKG4Q3 Ekonometrik Dosen: Aniq A Rohmawati, M.Si [Kelas Ekonometrik] CS-36-02 [Jadwal] Senin 10.30-12.30 R.A208A; Selasa 10.30-12.30 R.E302 [Materi Ekonometrik] Kuliah Pemodelan dan Simulasi berisi tentang dasar pemodelan time series seperti kestasioneran, identifikasi ACF dan PACF, analisis dan forecasting model time series meliputi AR, MA dan ARIMA. Minggu 1 Review Peubah Acak dan Fungsi Distribusi Minggu 2 Kestasioneran time series Minggu 3 Identifikasi ACF dan PACF Minggu 4-5 Analisis Model MA, AR, ARMA KUIS 1 Minggu 6-7 Model Diagnostik dan Forecasting UTS Minggu 8-9 Analisi Model ARI, IMA, ARIMA KUIS 2 Minggu 10 Pengerjaan Tugas: Identifikasi data Minggu 11 Presentasi 1 Minggu 12 Pengerjaan Tugas: Forecasting model time series Minggu 13 Presentasi 2 Minggu 14 Laporan Akhir [Penilaian] 1. Kuis 30% 2. UTS 35% 1

3. Tugas 35% A 80 NA < 100; AB 70 NA < 80; B 65 NA < 70; BC 60 NA < 65; C 45 NA < 60; D 30 NA < 45 Aspek penilaian Tugas Besar: Keaktifan individu (20%), Ketajaman analisis (60%), Kemampuan menyimpulkan (20%). [Buku Acuan] 1. Cryer, J.D., and Chan, K.S., Time Series Analysis with Applications in R, Second Edition, Springer. 2. Tsay, R. S. (2002). Analysis of Financial Time Series. Wiley. 2

1 Review: Peubah Acak dan Fungsi Distribusi [Perhatikan Grafik Berikut Ini] Apakah keduanya merupakan data time series? Kejadian dan Pulang Peluang adalah suatu konsep berpikir, peluang mengajak kita untuk mempersiapkan diri menghadapi kejadian yang tidak terjadi. Misalkan S adalah ruang sampel, dengan A adalah kejadian, maka peluang kejadian A, P (A) = lim n n(a) n = n(a) n(s) 3

1. Setiap minggu pagi Ani meninggalkan rumahnya untuk berlari pagi. Ani akan pergi lewat pintu depan atau belakang dengan peluang sama. Ketika pulang, Ani akan masuk lewat pintu depan atau belakang dan meletakkan sepatunya dengan peluang sama. Jika dia memiliki 3 pasang sepatu olah raga. Tentukan ruang sampel kejadian diatas? 2. Pak Mad mempunyai 2 anak. Berapa peluang bahwa keduanya lakilaki, diberikan bahwa Pak Mad tersebut memiliki setidaknya 1 anak laki-laki? [Aksioma Peluang] 1. 0 P (A) 1, untuk setiap A A 2. Kejadian A dan B dikatakan saling lepas jika A B = 3. Untuk setiap kejadian A dan B berlaku, P (A B) = P (A) + P (B) P (AB) 4. P (A c ) = 1 P (A) 5. Jika A B, maka P (A) P (B) 6. P (A B) = P (A) + P (B) P (A B) [Peluang Bersyarat] Jika A dan B dua kejadian yang tidak saling bebas, dengan P (A) > 0, peluang bersyarat B diberikan A, didefinisikan P (B A) = P (A B) P (A) Peubah Acak dan Fungsi Distribusi Peubah Acak (p.a) merupakan fungsi yang memetakan ruang sampel ke bilangan real. Salah satu karakteristik p.a adalah memiliki fungsi distribusi (f.d), f.d membuat p.a lebih aplikatif. [Kasus] Tentukan peubah acak dari kedua kasus dibawah ini? 1. Pada pelemparan sebuah koin tiga kali. Berapa banyak sisi angka (A) yang muncul! 4

2. Seorang narapidana terjebak dalam suatu sel penjara yang memiliki 2 pintu. Pintu pertama akan membawanya ke sebuah terowongan dan kembali ke sel dalam waktu dua hari. Pintu kedua akan membawanya ke terowongan yang kembali ke sel dalam waktu empat hari. Asumsikan bahwa peluang sang napi memilih pintu 1 dan 2 masing-masing adalah 0.5. Berapa lama waktu rata-rata yang dibutuhkan untuk dia agar selamat! [Fungsi Distribusi] Fungsi distribusi kumulatif (cdf) dari peubah acak X, Karakteristik fungsi distribusi, F (x) fungsi tidak turun lim b F (x) = F ( ) = 1 lim b F (x) = F ( ) = 0 [Demo Matlab] clc; x = exprnd(0.1,100) hist(x) [Peubah Acak Diskrit] F (x) = P (X x), < x < Fungsi massa peluang (fmp) atau probability mass function (pmf), Fungsi distribusi kumulatif (cdf), [Peubah Acak Kontinu] p(x) = P (X = x) F (x) = P (X x) = Σ t x p(t) Fungsi padat peluang (fpp) atau probability density function (pmf), ditulis f(x) P (a X b) = Fungsi distribusi kumulatif cdf), F (x) = P (X x) = b a x f(x)dx f(t)dt 5

Gambar 1: Sumber: Sheldon M. Ross, 2010 [Tes] 1. Banyaknya kecelakaan yang terjadi di tol setiap hari berdistribusi Poisson dengan parameter λ = 3. Berapa peluang tidak ada kecelakaan pada hari ini? 2. Tentukan fungsi distribusi kumultif (cdf) dari distribusi Exponensial? [Proses Stokastik] adalah barisan peubah acak Y t dengan t T. Setiap proses stokastik memuat ruang kedaan S dan indeks parameter T. [Contoh] Banyaknya Mahasiswa Baru IK per tahun 6

Volume curah hujan daerah Bojongsoang tiap hari dalam satu bulan Banyaknya klaim asuransi PT.ASTERA yang masuk pada interval [0,t] Suhu udara daerah Buah Batu pada interval [0,t] 2 Time Series [Definisi] Barisan peubah acak Y t dengan t T menyatakan waktu. Realisasi dari time series adalah data time series. Analisis time series, ingin menjawab: Bagaimana menentukan model Y t sehingga model sehingga model tersebut dapat digunakan untuk forecasting [Model Time Series] Y t = f(.) + e t dengan e t N(0, σ 2 ) dan tidak berkorelasi. Jika f linier dalam parameterparameternya maka disebut model linear time series. Kumpulan semua model linier time series disebut ARIMA(p,d,q) (Box-Jenkins, 1976). 7