Bab 8 #

Deret waktu #

Pola praktis untuk peramalan, deteksi anomali, dan diagnosis pada data temporal.

Topik #

• Dekomposisi: tren/musiman/residual; STL.
• Peramalan: ARIMA/SARIMA, ETS, Prophet, boosting dengan lag.
• Fitur: lag, statistik gulir, efek kalender & hari libur.
• Evaluasi: backtesting, CV berbasis waktu, MAPE/sMAPE/MASE.

Tips #

• Validasi selalu maju waktu; jangan campurkan data masa depan ke pelatihan.
• Distabilkan varians via Box‑Cox/Yeo‑Johnson bila perlu.
• Jaga pipeline reproduksibel dan latih ulang saat data baru datang.