Interpolasi, Curve Fitting, Proyeksi dan Prediksi

Bagi mahasiswa jurusan statistik sepertinya tidak asing dengan istilah interpolasi, Curve Fitting, dan proyeksi. Bahkan materi ini telah dipelajari ketika duduk di bangku sekolah menengah. Tetapi karena jarang atau tidak pernah dipergunakan, terkadang kita lupa apa maksudnya. Begitu juga ketika harus mengolah data, saya harus melakukan pekerjaan-pekerjaan statistik tersebut.

Keempat istilah itu memiliki perbedaan, walaupun sama-sama tidak pasti. Tidak pasti di sini maksudnya adalah angka yang dihasilkan tidak seratus persen tepat. Bisa saja angka tersebut tidak sesuai dengan kenyataan yang ada. Statistik di sini bermaksud meminimalkan error yang dihasilkan dari interpolasi, curve fitting, prediksi dan proyeksi. Berikut ini adalah data statistik populasi kota Bekasi sebagai contoh yang diambil dari situs resmi kota Bekasi.

Interpolasi

Interpolasi adalah membuat suatu fungsi dari beberapa titik yang tersedia. Fungsinya bisa garis lurus, tetapi polynomial lebih baik hasilnya. Tabel pada gambar di atas dengan interpolasi dapat dibuat persamaan berdasarkan data dari tahun 2003 sampai 2015. Dari hasil interpolasi kita akan memperolah data tahun 2006 dan 2008 yang masih kosong. Silahkan lihat postingan terdahulu untuk melakukan interpolasi di Matlab.

Curve Fitting

Berbeda dengan interpolasi yang harus mengenai titik yang menjadi patokan interpolasi, pada kurve fitting kurva yang dibuat tidak harus mengenai titik acuan. Contoh dari situs ini sepertinya cukup jelas untuk membedakan interpolasi dan curve fitting.

Proyeksi (Projection)

Proyeksi sering disebut peramalan, atau prediksi terhadap data time-series. Syarat wajibnya adalah data yang bergerak sepanjang alur waktu dan menunjukan tren tertentu. Di matlab ada fungsi con2seq yang fungsinya adalah mengkonversi data bilangan ril menjadi bilangan berurutan (sequence) untuk digunakan dalam peramalan (tersedia juga GUI untuk peramalan, ntstool). Untuk menghasilkan peramalan yang tepat, makin banyak data time-series akurasinya makin baik. Lihat postingan sebelumnya untuk proyeksi (menggunakan jaringan syaraf tiruan – NARX).

Prediksi (Prediction)

Nah, mungkin yang agak membingungkan adalah prediksi. Sebenarnya peramalan juga merupakan prediksi, tetapi khusus data yang bertipe time-series. Sementara prediksi menggunakan beberapa variabel untuk memprediksi suatu hasil tertentu. Biasanya dengan dua jenis mekanisme yaitu dengan logika fuzzy (lihat postingan fuzzy) atau dengan pelatihan (training). Training bisa dengan ANFIS atau Jaringan Syaraf Tiruan (lihat postingan ANFIS, dan JST). Sebagai contoh lihat data berikut:

Data berwarna kuning disebut dengan data training dan di sebelah kanannya adalah target (untuk ANFIS di Matlab dijadikan satu antara data training dan target). Data berwarna abu-abu adalah data yang akan diuji untuk memprediksi hasilnya (kolom tanda tanya).

Semoga sedikit ada gambaran perbedaannya.

Iklan

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s