Materi
Hyndman dan Athanasopoulos memakai tiga istilah dengan arti ketat. Tren ada bila data naik atau turun dalam jangka panjang; tidak harus berupa garis lurus. Musiman terjadi bila deret dipengaruhi faktor kalender seperti bulan dalam setahun atau hari dalam seminggu, dan periodenya selalu tetap dan diketahui. Siklus adalah naik-turun yang frekuensinya tidak tetap, sering terkait kondisi ekonomi, dengan panjang umumnya paling sedikit dua tahun. Sisanya adalah variasi acak, yang menurut NIST adalah bagian yang ingin diredam oleh teknik perataan agar tren, musiman, dan siklus terlihat.
Grafik garis adalah langkah pertama, tetapi angka juga bisa menunjukkan pola. Autokorelasi lag k mengukur hubungan linear antara y_t dan y_{t−k}. Di pandas, s.autocorr(lag=k) menghitung korelasi Pearson antara Series dan s.shift(k). Data bertren memberi autokorelasi positif besar pada lag kecil yang menurun perlahan; data musiman memberi autokorelasi besar pada lag yang sama dengan periodenya, misalnya lag 12 untuk data bulanan dan lag 4 untuk data kuartalan.
Contoh dengan data lain: pemakaian listrik dua mingguan yang berulang tiap empat periode.
import pandas as pd
listrik = pd.Series([50, 70, 90, 60, 52, 73, 94, 61, 55, 75, 97, 64], dtype=float)
for k in (1, 2, 4):
print(k, round(listrik.autocorr(lag=k), 2))
# lag 4 paling dekat ke 1: polanya berulang setiap empat periode