Belajar Data Scientist - Time Series Analysis

#Pendahuluan

Setelah di episode 14 kita menguasai NLP, pada episode ini kita menghadapi jenis data yang paling banyak dipakai untuk keputusan bisnis: data deret waktu (time series). Penjualan bulanan, permintaan stok harian, trafik situs per jam — semuanya berurutan waktu, dan hampir semua perencanaan bisnis (stok, staffing, budget) bergantung pada peramalannya.

Mengapa time series perlu perlakuan khusus? Karena data urut waktu melanggar asumsi dasar ML biasa: observasi tidak independen. Penjualan bulan Maret sangat dipengaruhi Februari; split acak biasa akan merusak urutan temporal. Time series butuh metode sendiri — dan memahami dekomposisi tren/musiman serta metrik forecast yang benar adalah intinya.

#Karakteristik Time Series

Sebuah deret waktu bisa dipecah menjadi tiga komponen:

#Dekomposisi dengan Statsmodels

Mari kita mulai dengan mendekomposisi deret penjualan bulanan:

import pandas as pd
from statsmodels.tsa.seasonal import seasonal_decompose
 
sales = pd.read_csv("sales_monthly.csv",
                    parse_dates=["month"], index_col="month")
 
decomp = seasonal_decompose(sales["value"], model="additive", period=12)
print(decomp.trend.dropna().tail(3))
print(decomp.seasonal.head(12))

seasonal_decompose memisahkan tren, musiman, dan residu. Dari output kalian bisa melihat: tren naik/turun? pola musiman tiap bulan berapa? residu besar di bulan apa? Jawaban ini langsung memberi tahu metode forecasting mana yang cocok.

#Train/Test untuk Time Series

Cross-validation biasa melanggar urutan waktu. Gunakan TimeSeriesSplit — setiap lipatan hanya dilatih pada data masa lalu:

from sklearn.model_selection import TimeSeriesSplit
 
tscv = TimeSeriesSplit(n_splits=3)
for train_idx, test_idx in tscv.split(sales):
    print("train sampai:", sales.index[train_idx][-1].date(),
          "| test:", sales.index[test_idx][0].date(),
          "sampai", sales.index[test_idx][-1].date())

Prinsipnya sederhana: model tidak boleh melihat masa depan saat dilatih. Ini konsep yang sama dengan "leakage" di episode 9, hanya versi temporalnya.

#Forecasting dengan Prophet

Prophet (Meta) sangat ramah pengguna: otomatis menangkap tren, musiman tahunan/mingguan/harian, dan hari libur.

pip install prophet

from prophet import Prophet
import pandas as pd
 
sales = pd.read_csv("sales_monthly.csv",
                    parse_dates=["month"], index_col="month")
df = sales.reset_index().rename(columns={"month": "ds", "value": "y"})
 
model = Prophet(yearly_seasonality=True, weekly_seasonality=False)
model.fit(df)
 
future = model.make_future_dataframe(periods=6, freq="MS")
forecast = model.predict(future)
print(forecast[["ds", "yhat", "yhat_lower", "yhat_upper"]].tail(6))

Output yhat (prediksi), yhat_lower, yhat_upper (interval ketidakpastian). Interval ini penting — bisnis perlu tahu rentang, bukan angka tunggal. freq="MS" memastikan 6 periode = 6 bulan pertama.

#Forecasting dengan ARIMA

ARIMA (AutoRegressive Integrated Moving Average) adalah pendekatan statistik klasik. Untuk data musiman, gunakan SARIMA:

import pandas as pd
from statsmodels.tsa.statespace.sarimax import SARIMAX
 
sales = pd.read_csv("sales_monthly.csv",
                    parse_dates=["month"], index_col="month")
 
train = sales.iloc[:-6]
test = sales.iloc[-6:]
 
model = SARIMAX(train["value"],
                order=(1, 1, 1),
                seasonal_order=(1, 1, 1, 12),
                enforce_stationarity=False,
                enforce_invertibility=False)
result = model.fit(disp=False)
print(result.summary())
 
pred = result.forecast(steps=6)
print(pred)

order dan seasonal_order menentukan struktur AR/MA — bisa diotomatiskan dengan auto_arima dari library pmdarima. Untuk series ini, intinya: SARIMA cocok untuk data stabil dan musiman; Prophet lebih fleksibel untuk tren kompleks dan liburan.

#Evaluasi Forecast

Metrik klasik (MAE, RMSE) tetap berlaku, tetapi ada dua metrik khusus forecast:

import numpy as np
from sklearn.metrics import mean_absolute_error, mean_absolute_percentage_error
 
mae = mean_absolute_error(test["value"], pred)
mape = mean_absolute_percentage_error(test["value"], pred)
print(f"MAE : {mae:,.0f} unit")
print(f"MAPE: {mape:.1%}")

MAPE 4% artinya rata-rata peramalan meleset 4% dari nilai aktual — bahasa yang langsung dipahami manajemen untuk menilai kualitas forecast. Bandingkan dengan baseline naif (memprediksi nilai bulan lalu): forecast hanya berguna jika mengalahkan baseline.

#Kesalahan Umum

#Penutup

Inti yang harus dibawa pulang:

• Time series = tren + musiman + noise; dekomposisi memberi peta awalnya.
• Split temporal (TimeSeriesSplit) mencegah leakage masa depan.
• Prophet untuk kemudahan & fleksibilitas; SARIMA untuk pendekatan statistik klasik.
• Evaluasi dengan MAE/MAPE pada test time series — dan selalu lawan baseline naif.
• Interval prediksi sama pentingnya dengan angka titiknya.

Di episode 16 selanjutnya kita akan membahas A/B testing & causal inference — merancang eksperimen, menguji signifikansi, dan mengukur uplift — untuk membuktikan kausalitas, bukan sekadar korelasi. Sampai jumpa di episode 16!