Ide dibalik fbprophet

  1. Menghasilkan ramalan yang reliabel dan berkualitas tinggi.
  2. Memilih metode mana yang akan dipakai (karena banyaknya metode forecasting yang ada).
  3. Analyst yang ahli dalam analisis data deret waktu terbilang masih jarang.
  4. Permintaan hasil ramalan yang berkualitas tinggi banyak namun proses (pace) nya lama.

Konsep Dasar

taxonomy time series method
# basic decomposition models
Additive: data = trend + seasonality + error
Multiplicative: data = trend * seasonality* error
# fbprophet models
data = pattern + error
data = trend + seasonality + holiday + error
data = g(t) + s(t) + h(t) + e(t)
dekomposisi data deret waktu
source : formula setiap komponen

Tuning parameter by Analyst

  1. Capatities (parameter C) : pengetahuan eksternal mengenai total ukuran pasar dapat diterapkan untuk menetapkan parameter ini.
  2. Changepoints (parameter S) : pengetahuan mengenai perubahan produk bisa digunakan untuk menetapkan parameter ini.
  3. Holidays dan seasonality : pengetahuan mengenai impact yang mungkin berbeda-beda tiap bulan dapat diterapkan untuk menyesuaikan parameter ini.

Refference

--

--

--

Data Scientist Jagoan Hosting. Visit my website at www.arofiqimaulana.com

Love podcasts or audiobooks? Learn on the go with our new app.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store
A.Rofiqi Maulana

A.Rofiqi Maulana

Data Scientist Jagoan Hosting. Visit my website at www.arofiqimaulana.com

More from Medium

Forecasting Daily New Confirmed COVID-19 Cases in Maldives — Part 1

Data: The enabling and limiting factor of quantitative systematic forecasting

This means what now? How to use outputs from Time Series Forecasts to make decisions

Build a Time-Series ARIMA Model for Stock Market Forecast in Python