Pada artikel ini, kami akan memperkenalkan model ARIMA otomatis di Python dan penerapannya dalam analisis dan peramalan deret waktu. ARIMA (Autoregressive Moving Average Model) adalah model statistik klasik yang banyak digunakan dalam pemodelan dan peramalan data deret waktu. Model ARIMA Otomatis adalah alat canggih dalam Python yang secara otomatis memilih parameter model ARIMA terbaik dan memberikan hasil prediksi yang akurat.
Apa itu model ARIMA ?
Model ARIMA terdiri dari tiga bagian: autoregresi (AR), perbedaan (I), dan rata-rata bergerak (MA). Dengan menggabungkan ketiga bagian ini, model ARIMA dapat memodelkan dan memprediksi berbagai data deret waktu.
- Autoregresi (AR): Bagian ini terutama digunakan untuk menggambarkan dependensi antara nilai saat ini dan masa lalu. Ini menunjukkan bahwa nilai saat ini diperoleh dari kombinasi linier dari nilai masa lalu.
- Perbedaan (I): Bagian ini digunakan untuk menghaluskan data deret waktu. Urutan stasioner adalah deret di mana varians rata-rata, varians, dan koordinasi diri tidak berubah seiring waktu.
- Moving Average (MA): Bagian ini digunakan untuk menjelaskan hubungan antara kesalahan masa lalu dan saat ini. Ini menunjukkan bahwa kesalahan saat ini adalah kombinasi linier dari kesalahan masa lalu.
Model ARIMA dapat memilih urutan AR, I, dan MA yang berbeda sesuai dengan sifat data deret waktu untuk mencapai efek yang paling sesuai.
Cara menggunakan model ARIMA otomatis Python
Untuk menggunakan model ARIMA otomatis Python, pertama-tama Anda perlu menginstal pustaka statsmodels dan pustaka pmdarima. Setelah menginstal kedua pustaka ini, Anda dapat mulai menggunakan fungsi auto_arima() untuk pemilihan dan pemasangan model.
Fungsi auto_arima() adalah fungsi yang kuat di pustaka pmdarima yang secara otomatis memilih parameter model ARIMA berdasarkan sifat data deret waktu. Berikut contohnya:
Pada contoh kode di atas, pertama-tama gunakan pustaka pandas untuk membaca data deret waktu dan atur kolom tanggal sebagai indeks. Kemudian, gunakan fungsi auto_arima() untuk secara otomatis memilih parameter model ARIMA dan menetapkannya ke variabel model. Terakhir, model ARIMA dipasang menggunakan fungsi fit(), dan ringkasan parameter model dicetak.
Contoh aplikasi model ARIMA otomatis
Berikut adalah contoh aplikasi praktis untuk menunjukkan cara menggunakan model ARIMA otomatis Python untuk analisis dan prediksi deret waktu.
Katakanlah kita memiliki himpunan data penjualan yang berisi data penjualan untuk setiap bulan. Kami berharap dapat menggunakan kumpulan data ini untuk memprediksi penjualan dalam beberapa bulan mendatang. Pertama, kita perlu membaca data dan melakukan prapemrosesan yang diperlukan:
Dalam kode di atas, kami menggunakan perpustakaan panda untuk membaca data penjualan dan mengatur kolom tanggal sebagai indeks. Kami kemudian menggunakan fungsi diff() untuk membedakan data dalam urutan pertama untuk membuat data menjadi urutan stasioner.
Selanjutnya, kita dapat menggunakan model ARIMA otomatis untuk memprediksi penjualan di masa mendatang:
Dalam kode di atas, fungsi auto_arima() digunakan untuk secara otomatis memilih parameter model ARIMA dan menetapkannya ke variabel model. Kemudian, gunakan fungsi fit() agar sesuai dengan model ARIMA Terakhir, gunakan fungsi predict() untuk memprediksi penjualan selama beberapa bulan ke depan dan mengonversi hasilnya menjadi DataFrame untuk tanggal dan penjualan.
ringkasan
Artikel ini memperkenalkan prinsip dasar dan penggunaan model ARIMA otomatis dalam Python. Model ARIMA otomatis dapat secara otomatis memilih model ARIMA yang sesuai berdasarkan sifat data deret waktu dan memberikan hasil prediksi yang akurat. Dengan menggunakan model ARIMA otomatis, kami dapat lebih mudah melakukan analisis dan prediksi deret waktu, yang membantu kami membuat keputusan yang lebih akurat. Saya harap artikel ini bermanfaat bagi Anda dalam memahami dan menerapkan model ARIMA otomatis!
Asli:Login hyperlink terlihat. |
Dipaparkan pada 2025-5-20 08:56:39
|
|
|
