Laporan Tugas
Laporan Tugas
Sama seperti pada tugas ke dua Data Estimasi, data forcastini memiliki design sebagai
berikut
Dimana OPERATOR SET ROLE 1 dengan ketentuan no (id) dan Temperatur (label)
Tambahkan Operator ARIMA dan Apply Forcast seperti dibawah. Model ARIMA ini merupakan
model yang secara penuh mengabaikan independen cariabel dalam membuat prakiraan. ARIMA
cocok jika observasi deret waktu (time series) secarfa statistic berhubungan satu sama lain
(dependen)
Untuk mengatur Parameter ARIMA adalah dengan meninputkan time series attribute Belanja,
dan centang pada has indices dengan indices attribute Data.
Untuk Parameter Apply Model, atur forcast horizontal atur jarak jauh untuk melakukan prediksi
sebanyak 5 dan unceklist add combine time series
Sehingga menghasilkan data result sebagai berikut:
Kemudian data kita akan urutkan berdasarkan tanggal agar mudah untuk menganalisa
Saat Disort berdasarkan date , pada tanggal 31 juli sampai 28 november tidak ada belanja.
Sedangnkan sebelum sama dengan 1 juli 2021 tidak ada forcest of belanjanya.
Berikut untuk visualisationnya
Terilat pada ujung kanan terdapat line yang stagnan, saat dilakukan perbesaran maka grafik
tersebut seperti pada dibawah ini
Lampiran :
ForcastTemperatur-Syarif-1
ForcastMinimalTemperature -Syarif-1
ForcastAggaranSyarif-1