2.2.8 Time Series Analysis
Dengan menggunakan Time Series Analysis, nilai dari suatu atribut di amati dimana nilai tersebut berubah-ubah sesuai dengan waktu. Nilai ini biasanya
diperoleh secara time point harian, mingguan dan perjam dan lainnya. Suatu time series plot Gambar 2.11. biasanya digunakan untuk mem-visualisasikan
seri waktu. Pada Gambar 2.11 ini kita dengan mudah dapat melihat bahwa plot untuk Y dan Z memiliki kebiasaan yang sama, sedangkan X tampak memiliki
kerentanan yang lebih sedikit. Ada tiga fungsi dasar yang ditampilkan pada time series analysis. Pada fungsi pertama perhitungan jarak digunakan untuk
menentukan kesamaan antara time series yang berbeda. Pada fungsi kedua, struktur dari garis diamati untuk menentukan dan mungkin mengklasifikasi
kebiasaannya. Pada fungsi ketiga, struktur garis digunakan untuk historical time series plot untuk memprediksi nilai di masa akan datang.
Gambar 2.11 – Time series plots Dunham, 2003
Perancangan data mining...Syahreza Zain, FASILKOM UI, 2008
Definisi dari time series adalah suatu set dari atribut value dalam suatu periode waktu. Tipikal aplikasi data mining dengan time series termasuk menentukan
kesamaan antara dua time series yang berbeda dan memprediksi nilai yang akan datang dari suatu atribut sesuai time series dari suatu nilai yang diketahui.
2.2.9 Time Series Analysis Pattern
Time Series Analysis dianalisis untuk menemukan pola dari data yang berurutan melalui observasi dan untuk memprediksi forecasting nilai yang akan
datang melalui time series variable. Pola yang dideteksi termasuk: ¾
Trends: suatu tren dapat dilihat sebagai suatu systematic nonrepetitive changes linear atau nonliniear kepada suatu nilai dalam suatu waktu.
¾ Cycles: disini perilaku yang diobservasi adalah siklus
¾ Seasonal: Pola yang terdeteksi berdasarkan waktu tahun, bulan, atau hari
¾ Outliers: untuk membantu mendeteksi pola, teknik mungkin digunakan
untuk membuang atau mengurangkan pengaruh dari outliers Mengidentifikasi pola pada real data sangat sulit, karena pengaruh dari noise,
outlier, errors dan missing data. Banyak pola dapat diobservasikan ke data yang sama.
Suatu time series terdiri dari seri data yang dikumpulkan secara berturut- turut berdasarkan incremental waktu atau berdasarkan indikator yang berurutan
lainnya. Banyak variabel lain yang merubah nilainya berdasarkan waktu. Nilai yang berurutan dari suatu variabel dalam suatu periode waktu membentuk time
Perancangan data mining...Syahreza Zain, FASILKOM UI, 2008
series. Sebagai contoh, penutupan nilai saham harian microsoft adalah time series lihat Gambar , nilai hasil penjualan perusahaan dalam periode kuartal dan nilai
pendapatan dalam periode bulanan termasuk time series. Secara umum, kenaikan waktu dalam time series bisa diskrit atau berkelanjutan. Sebagai tambahan, nilai
yang diobservasi dalam time series bisa diskrit atau berkelanjutan. Nilai penjualan dan nilai penghasilan perusahaan memiliki observasi yang berkelanjutan. Time
series dari prakiraan cuaca dengan nilai cerah, mendung dan hujan memiliki observasi yang diskrit. Dalam berbagai literatur kebanyakan orang menggunakan
time series untuk merujuk ke kasus dimana observasi berkelanjutan dan menggunakan sequence untuk merujuk ke suatu kasus dimana observasi diskrit.
Tujuan utama dari mengumpulkan data time series yaitu untuk forecast yaitu membuat prediksi terhadap nilai masa depan. Pada perusahaan
telekomunikasi diperlukan suatu prediksi mengenai traffic dari jaringan yang dimiliki untuk keperluan perencanaan maintenance jaringan.
Gambar 2.12 – Microsoft Stock Value
Perancangan data mining...Syahreza Zain, FASILKOM UI, 2008
2.2.10 Algoritma Microsoft Time Series
Kategori