About Me

Hai, saya Rosihan Ari Yuana. Saya sehari-hari adalah mengajar di Universitas Sebelas Maret.

Bidang riset saya tentang adaptive learning, computer aided learning, dan datascience

Selain itu, saya juga seorang penulis buku dan blogger.

More about me...

  • Home
  • /
  • Data Science
  • /
  • Analisis Time Series Data NetCDF dengan Library Python FBProphet

Analisis Time Series Data NetCDF dengan Library Python FBProphet

Melalui artikel kali ini, saya akan mencoba mengupas tuntas sebuah metode dalam data science, yaitu analisis time series, menggunakan Python.

Seperti yang sudah diketahui secara umum bahwa untuk keperluan data science, Python telah menyediakan banyak sekali library, yang dengannya analisis data menjadi lebih mudah dan cepat. Tidak terkecuali analisis time series.

Artikel ini akan membahas tentang cara melakukan analisis time series menggunakan library FBProphet di Python. Analisis yang dilakukan meliputi prediksi data time series, mengetahui pola data trend mingguan, bulanan, dan tahunan. Sebagai dataset analisisnya, akan diambil data rata-rata temperatur harian di beberapa titik di asia di sepanjang tahun 2010, yang berformat netCDF.

Persiapan Tools

Untuk analisis data ini, tools yang saya gunakan adalah Anaconda3 versi 2020.07 for Windows. Di dalam Anaconda versi ini, sudah terdapat Python versi 3.8.3.

Library FBProphet ini sendiri hanya bisa diinstall di beberapa versi Python sbb: 2.7.*; 3.5.*; 3.6.*; dan 3.7.* . Lantas bagaimana jika Python yang ada di Anacondanya 3.8.* ? jangan khawatir karena nanti kita bisa membuat environment baru di Anacondanya.

Membuat Environment di Anaconda

Tujuan dari langkah ini adalah untuk membuat environment baru di Anaconda untuk menginstall Python versi yang disupport oleh FBProphet. Ini nanti kita akan menginstall Python versi 3.7.0. Apabila Anaconda yang dimiliki sudah terdapat versi Python yang disupport seperti di atas, maka langkah ini bisa diskip.

Untuk membuat environment baru di Anaconda dengan Python versi 3.7.0, langkahnya adalah terlebih dahulu masuk ke Anaconda Prompt, kemudian ketikkan perintah berikut ini.

conda create -n timeseries python=3.7.0

Perintah di atas adalah untuk membuat environment baru dengan nama ‘timeseries’ yang di dalamnya terdapat Python 3.7.0. Untuk nama environment ini sebenarnya bisa sembarang.

Setelah proses pembuatan environment ‘timeseries’ selesai, selanjutnya kita masuk ke environment tersebut dengan memberikan perintah:

activate timeseries

Sebagai tanda kita bisa masuk ke environment ‘timeseries’ adalah tanda promptnya berubah dari ‘base’ menjadi ‘timeseries’.

Untuk memastikan bahwa versi Python yang terinstall 3.7.0, bisa diketikkan perintah berikut:

python --version

Menginstall Library FBProphet

Selanjutnya kita menginstall library FBProphet. Library ini sebenarnya bisa diinstall menggunakan perintah:

pip install fbprophet

namun, berdasarkan pengalaman metode di atas sering menyebabkan kegagalan dalam proses instalasinya. Untuk alternatifnya, kita berikan perintah sebagai berikut:

conda install -c conda-forge fbprophet

Menginstall Library NetCDF4

Library NetCDF4 digunakan untuk mengekstrak/memproses data format NetCDF. Untuk menginstallnya melalui perintah:

pip install netcdf4

Menginstall Library Plotly

Sebenarnya library ini optional saja artinya tanpa diinstall pun tidak mengapa. Namun, plotly ini diperlukan di FBProphet untuk membuat plot interaktif. Apabila tidak diinstall, maka nanti muncul warning. Karena hanya berupa Warning, sehingga library ini sebenarnya bisa diskip. Akan tetapi apabila ingin diinstall bisa menggunakan perintah:

pip install plotly

Menginstall Library Jupyter Notebook

Meskipun di Anaconda sudah ada Jupyter Notebook, kita tetap menginstallnya di environment yang kita buat supaya kita bisa melakukan analisisnya di Jupyter Notebook menggunakan kernel yang berasal dari environment yang sudah disetting.

Untuk menginstall Jupyter Notebook, kita berikan perintah:

conda install jupyter

Setelah terinstall, kita bisa jalankan Jupyter Notebooknya dengan perintah

jupyter-notebook

Proses Analisis

Pada proses berikutnya, kita bisa melakukan analisis melalui Jupyter Notebook.

Saya seorang dosen dan peneliti di Universitas Sebelas Maret. Bidang penelitian saya tentang: adaptive learning, datascience, dan computer aided learning. Selain itu saya juga seorang blogger, serta penulis buku tentang pemrograman, dan matematika.

Leave a Reply