Analisis Statistik pada Data Stasioner

Dalam artikel ini, kita akan melakukan analisis statistik pada data stasioner. Data stasioner adalah data yang memiliki rata-rata, standar error, minimum, maksimum, persentil, R-kuadrat, RMSE, MAPE, MaxAPE, MAE, MaxAE, dan BIC yang konstan. Kita akan mulai dengan melihat statistik dasar dari data stasioner ini. Rata-rata dari data ini adalah 187, dengan standar error yang juga sama sebesar 187. Minimum dan maksimum dari data ini juga tetap pada angka 187. Persentil dari data ini juga tidak berubah dan tetap pada angka 187. Selanjutnya, kita akan melihat R-kuadrat dari data stasioner ini. R-kuadrat juga tetap pada angka 187, menunjukkan bahwa model yang digunakan untuk data ini memiliki tingkat kecocokan yang tinggi. Selain itu, kita juga akan melihat RMSE (Root Mean Square Error) dari data ini. RMSE dari data stasioner ini adalah 47.177, menunjukkan tingkat kesalahan prediksi yang rendah. Selanjutnya, kita akan melihat MAPE (Mean Absolute Percentage Error) dari data ini. MAPE dari data stasioner ini adalah 22.571, menunjukkan tingkat kesalahan prediksi yang rendah dalam bentuk persentase. Selanjutnya, kita akan melihat MaxAPE (Maximum Absolute Percentage Error) dari data ini. MaxAPE dari data stasioner ini adalah 152.329, menunjukkan tingkat kesalahan prediksi maksimum dalam bentuk persentase. Selanjutnya, kita akan melihat MAE (Mean Absolute Error) dari data ini. MAE dari data stasioner ini adalah 36.574, menunjukkan tingkat kesalahan prediksi yang rendah dalam bentuk absolut. Terakhir, kita akan melihat MaxAE (Maximum Absolute Error) dari data ini. MaxAE dari data stasioner ini adalah 153.376, menunjukkan tingkat kesalahan prediksi maksimum dalam bentuk absolut. Selain itu, kita juga akan melihat nilai Normalized dari data ini. Nilai Normalized dari data stasioner ini adalah 7.762, menunjukkan bahwa data ini telah dinormalisasi. Terakhir, kita akan melihat BIC (Bayesian Information Criterion) dari data ini. BIC dari data stasioner ini adalah #, menunjukkan kriteria informasi Bayesian yang digunakan dalam pemodelan data ini. Dalam artikel ini, kita telah melakukan analisis statistik pada data stasioner. Data ini menunjukkan bahwa model yang digunakan memiliki tingkat kecocokan yang tinggi dan tingkat kesalahan prediksi yang rendah. Data ini juga telah dinormalisasi dan memenuhi kriteria informasi Bayesian.