Proyek
Studi metode statistik dan machine learning, lengkap dengan materi dan alat analisis interaktif. Mulai dari tujuan analisismu, atau cari langsung.
Saya ingin…
Ramalkan deret waktu
Data berurutan menurut waktu: meramal, menguji dinamika, atau mencari perubahan.
- Meramal satu deret
- ARIMA Forecasting(tanpa musiman)SARIMAX Forecasting(musiman atau variabel eksogen)Single Exponential Smoothing(tanpa tren dan musiman)Double Exponential Smoothing (Brown)(tren tanpa musiman (Brown))Triple Exponential Smoothing(tren dan musiman sederhana)Model Autoregressive (AR)(deret stasioner, bergantung nilai lampau)Model Moving Average (MA)(deret stasioner, bergantung galat lampau)Prophet Forecasting(banyak musiman dan hari libur)
- Volatilitas (mis. return saham)
- GARCH Volatility Model
- Beberapa deret saling memengaruhi
- VAR & VECMGranger Causality Test(uji arah pengaruh)
- Hubungan jangka panjang dengan regresor I(0)/I(1)
- ARDL Bounds Test
- Mendeteksi titik perubahan struktural
- Perubahan Struktural (Chow dan Bai-Perron)
Menampilkan 1–12 dari 13 proyek untuk tujuan Ramalkan deret waktu
Daftar proyek
Single Exponential Smoothing
Dipakai untuk: Meramal satu deret · tanpa tren dan musiman
Peramalan deret waktu tanpa tren dan tanpa musiman dengan pemulusan eksponensial satu tahap, di mana satu parameter alfa mengatur seberapa cepat bobot pengamatan lama meluruh.
Model Moving Average (MA)
Dipakai untuk: Meramal satu deret · deret stasioner, bergantung galat lampau
Model deret waktu stasioner yang menyatakan nilai sekarang sebagai kombinasi linear dari galat sekarang dan q galat sebelumnya, dengan orde ditentukan lewat ACF dan kriteria informasi.
Model Autoregressive (AR)
Dipakai untuk: Meramal satu deret · deret stasioner, bergantung nilai lampau
Model deret waktu stasioner yang menyatakan nilai sekarang sebagai kombinasi linear dari p nilai sebelumnya ditambah galat, dengan orde ditentukan lewat PACF dan kriteria informasi.
Double Exponential Smoothing (Brown)
Dipakai untuk: Meramal satu deret · tren tanpa musiman (Brown)
Peramalan deret waktu bertren tanpa musiman dengan pemulusan eksponensial dua tahap menurut Brown, memakai satu parameter alfa untuk menaksir level dan tren.
ARDL Bounds Test
Dipakai untuk: Hubungan jangka panjang dengan regresor I(0)/I(1)
Uji batas ARDL (Pesaran dkk., 2001) untuk menguji hubungan level jangka panjang antara satu variabel dependen dan beberapa regresor, termasuk ketika regresor campuran I(0) dan I(1).
Perubahan Struktural (Chow dan Bai-Perron)
Dipakai untuk: Mendeteksi titik perubahan struktural
Uji Chow untuk titik perubahan yang diketahui, supF untuk titik yang tidak diketahui, dan segmentasi Bai-Perron dengan pemilihan jumlah titik memakai BIC. Contoh memakai aliran tahunan sungai Nil di Aswan (1871 sampai 1970), dengan nilai kritis supF dari simulasi galat normal.
Granger Causality Test
Dipakai untuk: Beberapa deret saling memengaruhi · uji arah pengaruh
Uji Kausalitas Granger (Granger Causality Test) digunakan untuk menentukan apakah suatu runtun waktu (variabel X) memiliki pengaruh prediktif terhadap runtun waktu lainnya (variabel Y) melalui pemodelan autoregresif.
GARCH Volatility Model
Dipakai untuk: Volatilitas (mis. return saham)
Generalized Autoregressive Conditional Heteroskedasticity (GARCH) digunakan untuk memodelkan dan memproyeksikan volatilitas yang berubah seiring waktu (conditional heteroskedasticity) pada data runtun waktu keuangan.
VAR & VECM
Dipakai untuk: Beberapa deret saling memengaruhi
Vector Autoregression (VAR) dan Vector Error Correction Model (VECM) adalah model ekonometrika multi-variabel runtun waktu yang digunakan untuk menganalisis keterkaitan dinamis jangka pendek serta jangka panjang antar beberapa variabel.
Prophet Forecasting
Dipakai untuk: Meramal satu deret · banyak musiman dan hari libur
Meta Prophet: Metode peramalan deret waktu (time series) aditif yang memodelkan tren non-linear dengan komponen musiman (tahunan, mingguan, harian) untuk memprediksi data masa depan secara akurat.
Triple Exponential Smoothing
Dipakai untuk: Meramal satu deret · tren dan musiman sederhana
Metode peramalan time series (Holt-Winters) yang memodelkan unsur tren dan musiman secara bersamaan menggunakan tiga parameter smoothing (Alpha, Beta, Gamma).
ARIMA Forecasting
Dipakai untuk: Meramal satu deret · tanpa musiman
Analisis deret waktu menggunakan metode ARIMA (Autoregressive Integrated Moving Average) untuk meramalkan data masa depan berdasarkan pola historis data runtun waktu.