Berikut ini beberapa uraian Prof. Ismail mengenai kerangka konseptual dan aplikatif dari analisis runtun waktu(time series analysis), melalui studi kasus untuk model ARIMA, SARIMA, dan ETS (Error, Tren, Seasonal).
1) ARIMA, dengan topik Prediksi Penjualan Produk di Toko Online. Model ARIMA digunakan untuk menganalisis data penjualan produk selama 2 tahun terakhir. Kesimpulan, model ARIMA dapat digunakan untuk memprediksi penjualan produk di toko online dengan akurasi yang cukup baik.
2) SARIMA, misal Prediksi Jumlah Wisatawan di Sebuah Kota Pariwisata. Model SARIMA digunakan untuk menganalisis data jumlah wisatawan selama 5 tahun terakhir, dengan mempertimbangkan pola musiman. Kesimpulan, model SARIMA dapat digunakan untuk memprediksi jumlah wisatawan di kota pariwisata dengan akurasi yang baik, terutama pada musim liburan.
3) ETS, topik Prediksi Harga Saham di Bursa Efek. Model ETS (Exponential Smoothing) digunakan untuk menganalisis data harga saham selama satu tahun terakhir. Kesimpulan, model ETS dapat digunakan untuk memprediksi harga saham dengan akurasi yang baik, terutama untuk prediksi jangka pendek.
“Contoh-contoh studi kasus di atas menunjukkan bagaimana model ARIMA, SARIMA, dan ETS dapat digunakan untuk memprediksi data time series yang berbeda-beda,” kata Prof. Ismail.
