Introduction to Machine Learning II#

../_images/IML2.png

Changepoint Detection#

Kemampuan untuk secara otomatis mendeteksi perubahan signifikan pada tren dalam data time series.

Evaluasi Model#

Evaluasi kinerja model peramalan data time series, termasuk teknik seperti validasi silang dan perhitungan metrik evaluasi.

Exploratory Data Analysis (EDA)#

Proses analisis dan visualisasi data untuk mendapatkan wawasan dan mengidentifikasi pola.

Fitting Model#

Proses pelatihan model Prophet pada data time series menggunakan metode fit().

Forecasting Workflow#

Urutan langkah-langkah yang terlibat dalam membuat peramalan data time series, termasuk membaca data, persiapan data, pelatihan model, peramalan, interpretasi model, evaluasi, dan penyetelan hiperparameter.

General Additive Model (GAM)#

Teknik pemodelan data time series dengan mendekomposisi menjadi tiga komponen utama tren, musiman, dan residu.

Holiday Effect#

Kejadian tidak biasa atau hari libur yang dapat memiliki dampak signifikan pada data time series dan perlu ditentukan secara manual dalam Prophet menggunakan dataframe khusus.

Hyperparameter Tuning#

Proses mencari kombinasi terbaik hiperparameter untuk model peramalan guna meminimalkan kesalahan.

MAE (Mean Absolute Error)#

Metrik yang mengukur rata-rata perbedaan mutlak antara nilai peramalan dan nilai aktual dalam data time series.

Membuat Data Menjadi Interval yang Tetap#

Proses memastikan interval waktu yang tetap dalam data time series.

Model Fitting#

Proses melatih model Prophet pada data time series menggunakan metode fit().

Model Interpretation#

Proses memahami dan memvisualisasikan hasil peramalan data time series, seringkali menggunakan metode seperti plot() dan plot_components().

Multiple Time Series#

Terdapat satu variabel dari banyak objek yang diamati dari waktu ke waktu.

Multivariate Time Series#

Terdapat banyak variabel dari hanya satu objek yang diamati dari waktu ke waktu, seringkali dengan variabel yang saling berkaitan.

Prophet#

Library peramalan yang membutuhkan data time series dalam format tertentu, dengan kolom ‘ds’ (datetime) dan ‘y’ (nilai yang akan di peramalan).

Residuals#

Komponen acak dalam data time series yang tidak dapat dijelaskan oleh tren atau musiman.

Seasonality#

Pola berulang dalam data yang terjadi dalam interval waktu tertentu (misalnya, harian, bulanan, tahunan).

Trend#

Pergerakan jangka panjang atau arah data dalam data time series, sering kali direpresentasikan sebagai garis lurus.

Time Series#

Data yang berkaitan dengan waktu dan memiliki interval waktu tetap (periode pengambilan data yang konsisten) serta berurutan.