Analisis Deret Waktu di Power BI
Kevin Barlow
Data Analytics Professional
Prediksi adalah teknik analitik yang lebih canggih untuk memperoleh pengetahuan tentang apa yang akan terjadi, bukan hanya apa yang sudah terjadi.

Peramalan
Contoh industri
Hindcasting
Contoh industri
Peramalan menggunakan data historis untuk memprediksi nilai pada tanggal mendatang.
Perhatikan tabel berikut:
| tanggal | nilai |
|---|---|
| 1 Januari | 5 |
| 2 Januari | 10 |
| 3 Januari | 15 |
| 4 Januari | |
| 5 Januari |
Dengan melihat tren umum data, kita dapat memperkirakan nilai berikutnya secara cukup andal. Ini contoh regresi linear.
| tanggal | nilai |
|---|---|
| 1 Januari | 5 |
| 2 Januari | 10 |
| 3 Januari | 15 |
| 4 Januari | 20 |
| 5 Januari | 25 |
Data deret waktu sering berantakan dan sulit diramalkan jika tidak “dibersihkan”.
Exponential Smoothing adalah teknik untuk “meratakan” noise pada data.

Setiap ramalan pasti memiliki galat karena kita tidak punya data aktual untuk tanggal tersebut.
Confidence Interval memberikan rentang estimasi tempat data akan berada dengan tingkat keyakinan (% ) tertentu.
Power BI memungkinkan Anda mengatur seberapa besar keyakinan pada ramalan.

Kita akan berlatih peramalan pada data saham Microsoft (ticker: MSFT). Data mencakup informasi dasar harga perdagangan saham per hari.

Analisis Deret Waktu di Power BI