Time Series Data

Assalamualaikum sobat data semua, kali ini saya akan berbagi seputar time series data atau data runtun waktu.

Time series data atau data runtun waktu adalah data yang diperoleh berdasarkan urutan dari waktu ke waktu dan memiliki interval waktu yang sama. Urutan waktu dapat berupa harian, bulanan, tahunan, dan lain-lain.

Contoh : Di awal bulan Juni, perusahaan A mengumpulakan data akumulasi perolehan laba bersih dari produk Z pada 5 bulan terakhir yaitu pada bulan Januari, Februari, Maret, April, dan Mei. Dari contoh tersebut dapat dikatakan bahwa data yang dikumpulkan merupakan data runtun waktu. Karena, data yang diperoleh adalah data dari bulan ke bulan selanjutnya, dan memiliki interval waktu yang sama yaitu bulanan.

Dari data runtun waktu, kita dapat membuat suatu peramalan atau sering disebut dengan forecasting.

Pengertian forecasting atau peramalan menurut Sudjana (1989:254) adalah proses perkiraan (pengukuan) besarnya atau jumlah sesuatu pada waktu yang akan datang berdasarkan data pada masa lampau yang dianalisis secara ilmiah khususnya menggunakan metode statistika.

Terdapat 2 metode peramalan :

a. Peramalan kualitatif, adalah peramalan yang dilakukan jika tidak memiliki data historis. Sehingga peramalan menggunakan data menurut opini yang bersifat subjektif.

b. Peramalan kuantitatif, adalah peramalan yang dilakukan jika memiliki data historis. Sehingga peramalan menggunakan data historis yang ada dan bersifat objektif.

Didalam suatu peramalan terdapat 4 pola yang sering digunakan :

a. Pola data horizontal, merupakan pola yang berfluktuasi di sekitar nilai rata-rata atau mean, atau data dengan pola ini cendrung konstan.

b. Pola data musiman, merupakan pola data yang berfluktuasi secara periodik atau data yang dipengaruhi oleh musiman dalam satu kurun waktu. Misal data dalam bulanan, triwulan, kaurtal tahun, dll.

c. Pola data siklis, merupakan pola data yang berfluktuasi dalam jangka waktu yang panjang dan belum tentu akan berulang dalam interval waktu yang sama.

d. Pola data trend, merupakan pola data yang menunjukkan suatu kecendrungan fluktuasi, kecendrungan naik atau kecendrungan turun dalam data.

Pola data runtun waktu

Proses forecesting atau peramalan, sebagai berikut.

Proses peramalan

1. Problem definition, merupakan tahapan awal dalam peramalan yaitu dengan mendefinisikan masalah yang ingin diselesaikan dari data yang akan digunakan.
2. Data collection, merupakan tahapan kedua yaitu tahap mengumpulkan data yang diperlukan untuk menyelesaikan suatu permasalahan yang telah di definisikan sebelumnya.
3. Data analysis, merupakan tahapan ketiga yaitu tahap menganalisis data dengan memilih model peramalan yang akan digunakan. Berdasarkan pola dari data dapat dilihat apakah data memiliki pola horizontal, musiman, siklis, ataupun trend.
4. Model selction and fitting, merupakan tahapan keempat yaitu tahap menseleksi model dan mencocokkan model kepada data. Jika model belum tepat maka dapat kembali pada tahap ketiga.
5. Model validation, merupakan tahapan kelima yaitu tahap memvalidasi model yang telah dipilih sebelumnya.
6. Forecasting model deployment, merupakan tahapan keenam yaitu tahap penerapan model peramalan.
7. Monitoring forecasting model performance, merupakan tahapan ketujuh yaitu tahap untuk memantau model peramalan agar tetap sesuai dengan data.

Okey sobat data, mungkin segitu dulu teori tentang time series data atau data runtun waktu…

Mohon maaf atas kesalahan penulisan atau penyampaian, sampai jumpa di tulisan selanjutnya. Terima kasih…

Referensi :

1. https://www.seputarpengetahuan.co.id/2017/11/pengertian-peramalan-forecasting-menurut-para-ahli.html.
2. Primandari, A. H., & Kartikasari, M. D. (2020). Analisis Runtun Waktu dengan R. Yogyakarta: UII.