Mata kuliah ini memuat pengantar R, uji-uji khi-kuadrat, regresi linear sederhana, regresi linear berganda, analisis variansi, manipulasi data, pembentukan ulang kumpulan data, database, visualisasi data.
Mata kuliah ini memuat pengantar R, uji-uji khi-kuadrat, regresi linear sederhana, regresi linear berganda, analisis variansi, manipulasi data, pembentukan ulang kumpulan data, database, visualisasi data.
Mata kuliah Analisis Runtun Waktu ini mempelajari aspek dasar peramalan, konsep dasar statistika, pola data runtun waktu tren, musiman, siklik, dan tak
beraturan, konsep autokorelasi, stasioner, dan white noise, metode rata-rata bergerak dan penghalusan, dekomposisi runtun waktu, regresi dalam konteks runtun
waktu, model ARIMA (Autoregressive Integrated Moving Average), ARIMA, aplikasi analisis runtun waktu untuk data time series dengan software statistika dan
menginterpretasi hasil analisis. Pembelajaran Analisis Runtun Waktu dilakukan secara interaktif, holistik, saintifik, dan efektif.
Mata kuliah ini membahas tentang model stokastik dan teori peluang yang berkaitan, rantai markov, gerak Brown, Martingale, dan aplikasinya.
Mata kuliah ini membahas pengertian dan sumber data spasial, visualisasi data spasial, struktur data spasial (titik, area, spasial), analisis pola spasial, pemodelan korelasi spasial (variogram), metode kriging, regresi spasial, serta aplikasi praktis.
Mata kuliah Sejarah dan Etika Statistika ditujukan untuk memberikan wawasan tentang perkembangan statistika dan probabilitas serta etika profesi sebagai statistisi.
Dalam mata kuliah ini dikaji sejarah statistika dan teori probabilitas kuno, penggunaan Matematika dan Komputer dalam pengembangan statistika dan probabilitas, serta penerapan statistika dan probabilitas dalam berbagai bidang. Terkait dengan etika profesi, dikaji pengertian dan ruang lingkup etika; etika dalam pengumpulan dan penyimpanan data; etika dalam pengolahan dan penyajian data; etika dalam penarikan kesimpulan dan pemberian rekomendasi; etika pengembangan metode statistika; etika dalam konsultasi statistika; serta rumusan kode etik Statistika.
Mata kuliah ini membahas konsep dasar statistika, rencana pengambilan sampel dan rencana eksperimental, konsep pengujian hipotesis, pengujian hipotesis bagi satu rata-rata populasi, pengujian hipotesis bagi satu vektor rata-rata populasi, pengujian hipotesis bagi dua rata-rata populasi, pengujian hipotesis bagi dua vektor rata-rata populasi, analisis variansi satu arah, analisis variansi dua arah, analisis variansi multivariat satu arah, analisis variansi multivariat dua arah, model regresi linier sederhana, model regresi linier ganda, model regresi logistik, model regresi multinomial, analisis klaster hirarkis, dan analisis klaster non-hirarkis.
Mata kuliah Pemodelan Risiko memuat dasar-dasar pengelolaan risiko, operasional lembaga keuangan, risiko kredit, risiko investasi saham dan portofolio, risiko investasi obligasi, serta risiko investasi derivatif. Dibahas pula model risiko suku bunga serta model risiko kerugian sederhana maupun kerugian agregat.
Mata kuliah ini mencakup korelasi, penyusunan model regresi linier dugaan, pemilihan regresi linier terbaik, dan validasi model regresi polinomial dan analisis regresi dengan variabel dummy, residual analisis serta remidial
Mata kuliah ini mencakup integral tak wajar, konsep tentang barisan dan deret tak hingga, deret Taylor, fungsi dua peubah, limit dan kekontinuan fungsi dua peubah, turunan fungsi peubah banyak, dan integral ganda, integral lipat dua dalam koordinat Cartesius.
Mata kuliah ini mencakup memuat pengenalan program R, uji khi-kuadrat bagi data kategorik univariat, uji khi-kuadrat bagi data kategorik bivariat, regresi linear sederhana, regresi linear berganda, analisis variansi satu arah, analisis variansi dua arah, dasar manipulasi data, manipulasi data, penggabungan beberapa bingkai data, pembersihan data, visualisasi data kategorik, visualisasi data kontinu, visualisasi data kategorik dan kontinu secara bersamaan, visualisasi peta.
Mata kuliah ini meninjau kembali tujuan data mining, teknik prapemrosesan data terstruktur dan tidak terstruktur, serta penanganan dan analisis data terstruktur. Selanjutnya, dibahas teknik prapemrosesan data tidak terstruktur yang meliputi pengumpulan data dari sumber berbasis web (web mining sederhana), penanganan dan analisis data teks (text mining), penanganan dan analisis data citra, penanganan dan analisis data graf/network, evaluasi hasil analisis, serta visualisasi data dan hasil analisis untuk mendukung pengambilan keputusan berbasis data.
Mata kuliah Analisis Data Berbasis Cloud memberikan pengantar pemanfaatan komputasi cloud dalam proses analisis data. Materi pembelajaran mencakup pengumpulan, pengelolaan, eksplorasi, visualisasi, dan komunikasi hasil analisis data dengan memanfaatkan platform berbasis cloud yang mudah diakses. Mahasiswa diperkenalkan pada alur kerja analisis data modern yang memanfaatkan layanan cloud sebagai lingkungan komputasi dan penyimpanan data. Melalui pendekatan Project-Based Learning (PjBL), mahasiswa melakukan analisis data nyata secara mandiri maupun berkelompok menggunakan dataset publik dan perangkat berbasis cloud. Mata kuliah ini menekankan pemahaman konsep komputasi cloud dalam analisis data, keterampilan analisis statistik, serta praktik analisis data yang efisien, etis, dan dapat direproduksi.
Mata kuliah ini mencakup korelasi, penyusunan model regresi linier dugaan, pemilihan regresi linier terbaik, dan validasi model regresi polinomial dan analisis regresi dengan variabel dummy, residual analisis serta remidial