Time Series Analysis

Time - Series Analysis

• Seri waktu adalah urutan kejadian dimana acara berikutnya ditentukan
oleh satu atau beberapa kejadian sebelumnya.
• Seri waktu mencerminkan proses yang diukur dan ada beberapa komponen
yang mempengaruhi perilaku suatu proses.
• Analisis deret waktu (Time - Series Analysis) mencakup metode untuk
menganalisis data deret waktu guna mengekstrak pola, tren, aturan,
dan statistik yang berguna.
• Deret waktu adalah kumpulan data-data yang merupakan data historis dalam
suatu periode waktu tertentu.
• Data yang dapat dijadikan deret waktu harus bersifat kronologis, artinya
data harus mempunyai periode waktu yang berurutan.
• Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat,
atau diobservasi sepanjang waktu secara berurutan.
• Periode waktu dapat menggunakan tahun, kuartal, bulan, minggu, hari atau jam.
• Runtut waktu dianalisis untuk menemukan pola variasi masa lalu.
• Analisis deret waktu (time series analysis) dipakai untuk
meramalkan/memprediksi kejadian
di masa yang akan dating berdasarkan urutan waktu sebelumnya
Analisis time series digunakan untuk data non-stasioner”hal-hal yang terus
berfluktuasi dari waktu ke waktu atau dipengaruhi oleh waktu.
Industri seperti keuangan, ritel, dan ekonomi sering menggunakan analisis
time series karena mata uang dan penjualan selalu berubah.
Analisis pasar saham adalah contoh yang sangat baik dari analisis time
series dalam tindakan, terutama dengan algoritme perdagangan otomatis.
Demikian juga, analisis time series sangat ideal untuk meramalkan
perubahan cuaca, membantu ahli meteorologi memprediksi semuanya,
mulai dari laporan cuaca besok hingga tahun-tahun mendatang perubahan
iklim.
 LAIN
Analisis time series dapat membantu organisasi memahami penyebab
yang mendasari tren atau pola sistemik dari waktu ke waktu.
Menggunakan visualisasi data, pengguna bisnis dapat melihat tren
musiman dan menggali lebih dalam mengapa tren ini terjadi. Dengan
platform analitik modern, visualisasi ini dapat melampaui grafik garis.
Ketika organisasi menganalisis data dalam interval yang konsisten,
mereka juga dapat menggunakan peramalan time series untuk
memprediksi kemungkinan kejadian di masa depan.
Peramalan time series adalah bagian dari analitik prediktif. 
Teknik dan Alat Utama Untuk Analisis Time Series
Karena jenis dan modelnya banyak, metode untuk mempelajari data juga beragam. Berikut adalah tiga
yang paling umum.
•Model ARIMA Box-Jenkins: Model univariat ini digunakan untuk lebih memahami variabel tunggal yang
bergantung pada waktu, seperti suhu dari waktu ke waktu, dan untuk memprediksi titik data variabel di
masa mendatang. Model-model ini bekerja dengan asumsi bahwa datanya stasioner. Analis harus
memperhitungkan dan menghapus sebanyak mungkin perbedaan dan musim di titik data sebelumnya.
Untungnya, model ARIMA mencakup istilah untuk memperhitungkan rata-rata bergerak, operator
perbedaan musiman, dan istilah autoregresif dalam model.
•Model Multivariat Box-Jenkins: Model multivariat digunakan untuk menganalisis lebih dari satu variabel
tergantung waktu, seperti suhu dan kelembaban, dari waktu ke waktu.
•Metode Holt-Winters: Metode Holt-Winters adalah teknik penghalusan eksponensial. Ini dirancang untuk
memprediksi hasil, asalkan titik data mencakup musiman.