Kerangka Materi

Pengantar Analisis Deret Waktu

  • Gambaran umum tentang data deret waktu
  • Komponen dari deret waktu: tren, musiman, noise
  • Mengatur Google Colab untuk analisis deret waktu

Eksplorasi Data Analysis pada Deret Waktu

  • Visualisasi data deret waktu
  • Mendekomposisi komponen-komponen deret waktu
  • Deteksi musiman dan tren

Model ARIMA untuk Deret Waktu Forecasting

  • Memahami ARIMA (AutoRegressive Integrated Moving Average)
  • Mempilih parameter untuk model ARIMA
  • Implementasi model ARIMA di Python

Pengantar Prophet untuk Deret Waktu Forecasting

  • Gambaran umum tentang Prophet untuk peramalan deret waktu
  • Menerapkan model Prophet di Google Colab
  • Penanganan libur dan acara khusus dalam peramalan

Teknik Lanjutan Forecasting

  • Menangani data hilang pada deret waktu
  • Peramalan deret waktu multivariat
  • Mengkustomisasi peramalan dengan regresor eksternal

Evaluasi dan Penyesuaian Model Peramalan

  • Indikator kinerja untuk peramalan deret waktu
  • Penyesuaian model ARIMA dan Prophet
  • Validasi silang dan backtesting

Aplikasi Nyata Analisis Deret Waktu

  • Studi kasus peramalan deret waktu
  • Latihan praktis dengan dataset nyata
  • Langkah selanjutnya untuk analisis deret waktu di Python

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pengetahuan menengah tentang pemrograman Python
  • Kesediaan dengan statistik dasar dan teknik analisis data

Audience

  • Analis data
  • Ilmuwan data
  • Profesional yang bekerja dengan data deret waktu
 21 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (5)

Kursus Mendatang

Kategori Terkait