{"id":1760,"date":"2023-07-25T02:36:28","date_gmt":"2023-07-25T02:36:28","guid":{"rendered":"https:\/\/statorials.org\/id\/uji-python-yang-lebih-lengkap\/"},"modified":"2023-07-25T02:36:28","modified_gmt":"2023-07-25T02:36:28","slug":"uji-python-yang-lebih-lengkap","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/uji-python-yang-lebih-lengkap\/","title":{"rendered":"Tes augmented dickey-fuller dengan python (dengan contoh)"},"content":{"rendered":"

<\/p>\n

\n

Suatu deret waktu dikatakan \u201cstasioner\u201d jika tidak mempunyai tren, menyajikan varian yang konstan dari waktu ke waktu, dan memiliki struktur autokorelasi yang konstan dari waktu ke waktu.<\/span><\/p>\n

Salah satu cara untuk menguji apakah deret waktu stasioner adalah dengan melakukan uji Dickey\u2013Fuller yang diperbesar<\/strong> , yang menggunakan hipotesis nol dan hipotesis alternatif berikut:<\/span><\/p>\n

H 0<\/sub> :<\/strong> Deret waktu tidak stasioner. Dengan kata lain, strukturnya bergantung pada waktu dan variasinya tidak konstan terhadap waktu.<\/span><\/p>\n

H A<\/sub> :<\/strong> Deret waktu bersifat stasioner.<\/span><\/p>\n

Jika p-value<\/a> pengujian berada di bawah tingkat signifikansi tertentu (misalnya \u03b1 = 0,05), maka kita dapat menolak hipotesis nol dan menyimpulkan bahwa deret waktu tersebut stasioner.<\/span><\/p>\n

Contoh langkah demi langkah berikut menunjukkan cara melakukan pengujian Dickey-Fuller yang diperbesar dengan Python untuk rangkaian waktu tertentu.<\/span><\/p>\n

Contoh: tes Dickey-Fuller yang diperbesar dengan Python<\/strong><\/span><\/h3>\n

Misalkan kita memiliki data deret waktu berikut dengan Python:<\/span><\/p>\n

 data = [3, 4, 4, 5, 6, 7, 6, 6, 7, 8, 9, 12, 10]<\/strong><\/pre>\n
 Sebelum melakukan uji augmented Dickey-Fuller pada data, kita dapat membuat plot cepat untuk memvisualisasikan data:<\/span> <\/p>\n
 import<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\nplt. plot<\/span> (data)<\/strong> <\/pre>\n
\"\"<\/p>\n
 pip install statsmodels\n<\/strong><\/pre>\n
 Kemudian kita dapat menggunakan kode berikut untuk melakukan tes Dickey-Fuller yang diperbesar:<\/span><\/p>\n
 from<\/span> statsmodels. tsa<\/span> . stattools<\/span> import<\/span> adfuller\n\n#perform augmented Dickey-Fuller test<\/span>\nadfuller(data)\n\n(-0.9753836234744063,\n 0.7621363564361013,\n 0,\n 12,\n {'1%': -4.137829282407408,\n  '5%': -3.1549724074074077,\n  '10%': -2.7144769444444443},\n 31.2466098872313)\n<\/strong><\/pre>\n
 Berikut cara menafsirkan nilai terpenting dari hasil:<\/span><\/p>\n
 Untuk melakukan pengujian Dickey-Fuller yang diperluas, kita dapat menggunakan fungsi adfuller()<\/a> dari perpustakaan statsmodels<\/strong> . Pertama, kita perlu menginstal statsmodels:<\/span><\/p>\n