Time Series: Decomposition (Dekomposisi)



  • Dekomposisi artinya menguraikan menjadi beberapa bagian. 
  • Dalam hal time series, dekomposisi berarti membagi satu deret waktu (time series) menjadi 3 komponen time series yaitu
    • Komponen Seasonal (Musiman): Pola yang berulang dengan jangka waktu yang tetap. Pola musiman muncul apabila deret dipengaruhi oleh faktor-faktor musiman, misalnya tahunan, kuartalan, bulanan, harian.
    • Komponen Trend: Trend naik atau ttrend urun atau tidak ada trend
    • Random: Juga sebut "noise", "irregular" atau "remainder," ini adalah residual (sisa) dari time series asli setelah komponen musiman dan komponen tren dihapus.
  • Ada dua jenis dekomposisi time series yaitu 
    • dekomposisi Additif
      • Ciri-ciri: pola time series bersifat tetap
      • Contoh data co2 pola siklus terlihat sama. Semakin besar waktu namun pola Seasonalnya tetap
    • dekomposisi Multiplicatif
      • Ciri-ciri: pola time series berisafat membesar ataupun mengecil
      • Contoh data Johnson and Johnson terlihat pola yang membesar, semakin besar waktu semakin besar pola Seasonalnya.

      •  Contoh data Air Passanger juga terlihat pola yang membesar semakin besar waktu semakin besar pola Seasonalnya.



    • Analisis Dekomposisi Time Series di R
    • R menyediakan fungsi decompose()  untuk menghasilkan komponen trend, seasonal, dan random dari dataset time series

    ANALISIS TIME SERIES ADDITIF 

    Contoh dataset time series dekomposisi additif adalah CO2 yang tersedia di package R.


    >decompose_co2 = decompose(co2, "additive") #dekomposisi co2 sebagai additif
    >plot(as.ts(decompose_co2$seasonal)) # membuat plot komponen seasonal
    Plot Komponen Seasonal co2:


    >plot(as.ts(decompose_co2$trend)) # membuat plot trend
    
    Plot Komponen Trend co2:
    • terlihat trend naik untuk co2
    >plot(as.ts(decompose_co2$random)) # membuat plot random
    Plot Komponen Random
    • Komponen Random terlihat disekitar nol

    >plot(decompose_co2) # plot dekomposisi keseluruhan
    Plot keseluruhan:
    • Observed merupakan plot dataset original co2
    • trend merupakan plot koponen trend c02
    • seasonal merupakan plot koponen seasonal c02
    • random merupakan plot koponen random c02




    CONTOH ANALISIS TIME SERIES MULTIPLIKATIF

    Contoh dataset time series dekomposisi additif adalah JohnsonJohnson yang tersedia di package R.

    >decompose_johnson = decompose(co2, "multiplicative")
    >plot(decompose_johnson$seasonal)
    Plot Komponen Seasonal Johnson & Johnson:




    >plot(decompose_johnson$trend)
    Plot Komponen Trend Johnson & Johnson
    • terlihat trend naik untuk Johnson & Johnson


      >plot(decompose_johnson$random)
      
      Plot Komponen Random Johnson & Johnson
      • Komponen Random terlihat tidak disekitar nol


      >plot(decompose_johnson) # plot dekomposisi keseluruhan
      Plot keseluruhan:
      • Observed merupakan plot dataset original Johnson & Johnson
      • trend merupakan plot koponen trend Johnson & Johnson
      • seasonal merupakan plot koponen seasonal Johnson & Johnson
      • random merupakan plot koponen random Johnson & Johnson












      1 comment: