Forecasting

Teknik Peramalan (Forecasting) adalah metode statistik untuk mengestimasi nilai masa depan dengan menganalisis pola data masa lalu (Time Series) atau data antar-objek pada satu waktu (Cross-sectional). Kemampuan membangun model prediksi yang presisi sangat krusial untuk mendukung validitas perencanaan dan evaluasi kebijakan.

Pelatihan ini mengupas tuntas metodologi peramalan statistik. Peserta akan diajarkan cara membangun model persamaan matematis, mulai dari pendekatan deterministik hingga stokastik. Fokus pembahasan meliputi teknik regresi untuk data cross-sectional serta pemodelan deret waktu mulai dari metode Smoothing hingga ARIMA/SARIMA.

Aspek unik dari pelatihan ini adalah pembahasan mengenai Judgmental Forecasting, yaitu bagaimana menggabungkan input kualitatif ke dalam model kuantitatif untuk menangkap faktor-faktor eksternal yang tidak terekam dalam data historis. Seluruh proses analisis akan disimulasikan menggunakan perangkat lunak statistik SPSS, termasuk manajemen file model untuk penggunaan berulang (model deployment).

Target Pelatihan :

  • Peserta memahami konsep peramalan crossectional & peramalan time series
  • Peserta mampu penggunaan analisa regresi linier sebagai metode peramalan crossectional
  • Pererta mampu menggunakan metode peramalan time series pendekatan Nilai Rata-rata
  • Pererta mampu menggunakan metode peramalan time series pendekatan Eksponensial seperti Brown
  • Pererta mampu menggunakan metode peramalan time series pendekatan metode AR, MA, ARIMA & SARIMA
  • Peserta mampu memilih metode peramalan yang paling tepat yang didasarkan pada kondisi data yang dimiliki
  • Mampu mengoperasikan software SPSS untuk proses peramalan

Referensi

  • Makridakis, S , T. C. Wheelwright & V. E. McGeeForecasting, Second Edition. John Wiley & Sons. Inc
  • Gujarati, Damodar N. Basic Econometrics, Fourth Edition. New York: The McGraw-Hill Companies.
Biaya Pelatihan
  • Mahasiswa & Dosen       : Rp 2.000.000,-
  • Umum & Profesional      : Rp 3.000.000,-
Details

Forecasting

2 hari, @ 375 menit

Sylabus