Dhèrèt wektu

Saka Wikipédia, Bauwarna Mardika abasa Jawa / Saking Wikipédia, Bauwarna Mardika abasa Jawi
Langsung menyang: pandhu arah, pados
Data dhèrèt wektu sing ngandhut faktor acak (random) lan trend

Jroning statistika lan pamrosèsan sinyal, dhèrèt wektu ya iku rangkaian data sing arupa aji pengamatan (pengamatan) sing diukur sajroning kurun wektu tinamtu, adhedhasar wektu kanthi interval sing uniform (padha).[1] Sawetara conto data dhèrèt wektu ya iku produksi total taunan prodhuk tetanèn indonésia, rega penutupan padinan sawijining saham ing pasar modhal kanggo kurun wektu sesasi, suhu udara per jam, lan asil dodolan total sesasi sawijining pasar swalayan jroning wektu setaun.[1] Analisis dhèrèt wektu (Basa Inggris: time series analysis) minangka métodhe sing nyinaoni dhèrèt wektu, saka segi téori lan kanggo gawé ramalan (prédhiksi).[rujukan?] Predhiksi / peramalan dhèrèt wektu ya iku panggunaan modhèl kanggo mrédhiksi aji ing wangsa ngarep adhedhasar kedadéyan sing wis kelakon. Ing donya bisnis, data dhèrèt wektu dipigunakaké minangka bahan acuan kanggo gawé kaputusan saiki, kanggo proyèksi, lan kanggo gawé rancangan mangsa ngarep.[2] Conto panggunaané ya iku ing rega paada anambukaan rega saham ing bursa èfèk adhedhasar performa sadurungé.[2]

Asumsi-asumsi dhèrèt wektu[sunting | sunting sumber]

Ana sawetara asumsi wigati sing kudu dipenuhi supaya data dhèrèt wektu bisa dipigunakaké jroning kaperluan proyèksi/peramalan.[2] antara liya ya iku anané kagumantungan antara kedadéyan mangsa ngarep marang mangsa sadurungé[2] utawa luwih dikenal kanthi istilah anané autokorélasi[3] antara Zt lan Zt-k.[4] Asumsi bsabanjuré ya iku aktivitas ing mangsa ngarep mèlu pola sing kelakon ing mangsa kapungkur lan hubungan/keterkaitan marang mangsa kapungkur bisa ditemtokaké nganggo pengamatan utawa panelitèn.[2] Akurasi sing diasilaké saka peramalan dhèrèt wektu, gumantung marang sepira adohé asumsi-asumsi ing dhuwur bisa dikebaki.[2]

Komponèn dhèrèt wektu[sunting | sunting sumber]

Modhèl klasik dhèrèt wektu sing biasa dipigunakaké ya iku ping-pingan saka 4 komponèn dhèrèt wektu.[2]

Yt = Tt X Ct X St X It,[2] karo
Yt : variabel respon ing wektu-t.[2]
Tt : trend sekulèr, yaitu gerakan umum plot data jroning jangka panjang.[2]
Ct : pergerakan siklus, yaitu pola data dhèrèt wektu sing kelakon lan ngalami perulangan sawisé periode wektu tinamtu.[2]
St : fluktuasi musim, yaitu pola teratur taunan sing ambal-ambalan saben taun.[2]
It :variasi ora tumata, ing ngendi komponèn ini tidak bisa diduga sadurungé lan asipat acak, kaya anané bencana.[2]

Métodhe pemulusan dhèrèt wektu[sunting | sunting sumber]

Ana sawetara métodhe pemulusan kanggo dhèrèt wektu.[5] Dua jenis modhèl sing banyak dipigunakaké ya iku modhèl rataan bergerak (moving average) (MA) lan modhèl autoregresif (AR).[rujukan?] Kaloro modhèl iki gumantung marang data sadurungé sacara linier lan dibahas luwih rinci ing artikel autoregressive moving average models (ARMA). [rujukan?]

Ahli ékonomi migunakaké analisis dhèrèt wektu minangka alat bantu perencanaan ing jangka cendhak utawa jangka panjang.[2] Parusahan ènèrgi umpamané, bakal ngayahi peramalan konsumsi daya ing jangka panjang lan jangka cendhak (musiman).[2]

Rujukan[sunting | sunting sumber]

  1. ^ a b Spiegel, R. Murray & Stephens, Larry J STATISTIK Schaum's OuTlines, Edisi Ketiga (2007). Jakarta, Erlangga. ISBN 978-979-015-189-5
  2. ^ a b c d e f g h i j k l m n o Siagian, Dergibson & Sugiarto. Métodhe Statistika kanggo Bisnis lan Ekonomi, 2002. Jakarta, PT Gramedia Pustaka Utama. ISBN 979-655-924-2
  3. ^ Hasan, M.Iqbal. Pokok-pokok Materi Statistik 2 (Statistik Inferensif), 2005. Jakarta, PT Bumi Aksara. ISBN 979-526-778-7
  4. ^ Iriawan, Nur & Astuti, Septin Puji. Mengolah Data Statistik dengan mudah menggunakan Minitab 14 (Yogyakarta: ANDI, 2006). ISBN 979-763-111-7.
  5. ^ Cryer, Jonathan D. Time Series Analysis, 1986. Boston, Duxbury Press. ISBN 0-87150-963-6

Wacan[sunting | sunting sumber]

  • Bloomfield, P. (1976). Fourier analysis of time series: An introduction. New York: Wiley.
  • Box, George; Jenkins, Gwilym (1976), written at Oakland, California, Time series analysis: forecasting and control, rev. ed., Holden-Day
  • Brillinger, D. R. (1975). Time series: Data analysis and theory. New York: Holt, Rinehart. & Winston.
  • Brigham, E. O. (1974). The fast Fourier transform. Englewood Cliffs, NJ: Prentice-Hall.
  • Elliott, D. F., & Rao, K. R. (1982). Fast transforms: Algorithms, analyses, applications. New York: Academic Press.
  • Gershenfeld, Neil (2000), written at Cambridge, The nature of mathematical modeling, Cambridge Univ. Press, ISBN 978-0-521-57095-4
  • Hamilton, James (1994), written at Princeton, Time Series Analysis, Princeton Univ. Press, ISBN 0-691-04289-6
  • Jenkins, G. M., & Watts, D. G. (1968). Spectral analysis and its applications. San Francisco: Holden-Day.
  • Priestley, M. B. (1981). Spectral analysis and time series. New York: Academic Press.
  • Shasha, D. (2004), written at Berlin, High Performance Discovery in Time Series, Springer, ISBN 0-387-00857-8
  • Shumway, R. H. (1988). Applied statistical time series analysis. Englewood Cliffs, NJ: Prentice Hall.
  • Wiener, N.(1964). Extrapolation, Interpolation, and Smoothing of Stationary Time Series.The MIT Press.
  • Wei, W. W. (1989). Time series analysis: Univariate and multivariate methods. New York: Addison-Wesley.
  • Weigend, A. S., and N. A. Gershenfeld (Eds.) (1994) Time Series Prediction: Forecasting the Future and Understanding the Past. Proceedings of the NATO Advanced Research Workshop on Comparative Time Series Analysis (Santa Fe, May 1992) MA: Addison-Wesley.
  • Durbin J., and Koopman S.J. (2001) Time Series Analysis by State Space Methods. Oxford University Press.

Pranala jaba[sunting | sunting sumber]

Sumber artikel punika saking kaca situs web: "http://jv.wikipedia.org/w/index.php?title=Dhèrèt_wektu&oldid=833604"