Deteksi anomali dengan fungsi window

Analisis Deret Waktu di Tableau

Chris Hui

VP, Tracked

Simpangan baku vs. simpangan baku bergulir

Simpangan baku mengukur tingkat sebaran dalam satu set nilai
- Simpangan baku tinggi = varians tinggi
- Simpangan baku rendah = varians rendah

Plot box memperlihatkan perbedaan antara simpangan baku tinggi dan rendah

Rolling standard deviation, dihitung pada subset window, berguna untuk mengidentifikasi inflasi varians seiring waktu
Saat varians membesar, ini bisa menandakan anomali untuk dianalisis

Gambar yang menunjukkan simpangan baku bergulir meningkat seiring waktu

Simpangan baku dan deteksi anomali

Deteksi anomali pada deret waktu umumnya mengikuti aturan 68, 95, 99
~68% nilai = 1 simpangan baku dari mean
95% nilai = 2 simpangan baku dari mean
~99,7% nilai = 3 simpangan baku dari mean
Nilai > 3 simpangan baku dari mean adalah anomali

Distribusi normal yang menampilkan rentang simpangan baku sebelum nilai dianggap anomali menggunakan aturan 68, 98, dan 99

Batas kendali atas dan bawah

Utamanya untuk analisis deret waktu univariat, bukan multivariat
Control chart efektif memvisualisasikan batas atas dan bawah nilai yang dianggap wajar

Nilai yang melebihi mean populasi ± 3 simpangan baku adalah anomali

Apa itu Z-score?

Z-score adalah jumlah simpangan baku jarak suatu nilai dari mean
Z-score positif menunjukkan nilai di atas mean
Z-score negatif menunjukkan nilai di bawah mean
Berbeda dari simpangan baku yang mengukur jarak antarnilai

Gambar yang memperlihatkan Z-Score dibandingkan simpangan baku

Z-score dan deteksi anomali

Z-score ±3 umumnya dianggap anomali, namun konteks menentukan

Visual menunjukkan batas Z-score 1, menyoroti sejumlah anomali

Batas Z-score lebih tinggi berarti lebih sedikit anomali, tergantung sensitivitas deteksi Anda

Visual menunjukkan batas Z-score 2, menyoroti sangat sedikit anomali

Ayo berlatih!

Analisis Deret Waktu di Tableau

Preparing Video For Download...