ANALISIS RUNTUN WAKTU: TEORI DAN APLIKASINYA MENGGUNAKAN PYTHON

Pada bagian awal diberikan pengenalan dasar-dasar analisis runtun waktu, meliputi motivasi, tujuan, konsep-konsep dasar seperti momen, stasioneritas, fungsi autokorelasi, white noise sebagai building block. Diberikan juga deskripsi dan visualisasi data runtun waktu dan pengenalan pemrograman Python. Bab 2 membahas mengenai dasar eksplorasi data runtun waktu, meliputi fungsi ACF PACF, uji white noise, konsep dekomposisi dan penghalusan. Bab 3 membahas secara khusus model-model runtun waktu stasioner. Dalam Bab 3 dibahas model-model stasioner khusus, seperti model MA, AR, dan ARMA. Bab 4 membahas secara lebih dalam model ARMA dan ARIMA dengan pendekatan Box-Jenkins. Bab 5 membahas model-model runtun waktu nonstasioner, seperti model musiman SARIMA dan model REGARMA. Bab 6 membahas pemodelan volatilitas runtun waktu. Bab 7 membahas pengenalan tentang model runtun waktu multivariat VARMA dan kasus khusus pemodelan VAR. Bab 8 membahas mengenai model state space dan Markov switching. Dibahas juga dalam bab tersebut pemodelan SARIMAX. Beberapa kajian perluasan juga diberkan dalam bab tersebut. Pada Bab 9, kita mempelajari konsep kointegrasi dan teorema representasi Granger. Terakhir pada Bab 10 diberikan pengenalan tentang metode deep learning serta perkembangannya untuk analisis runtun waktu.