Jump to content
Main menu
Main menu
move to sidebar
hide
Navigation
Main page
Recent changes
Random page
Help about MediaWiki
Colabs IoT
Search
Search
Appearance
Log in
Personal tools
Log in
Pages for logged out editors
learn more
Contributions
Talk
Editing
Instalasi Prophet
Page
Discussion
English
Read
Edit
Edit source
View history
Tools
Tools
move to sidebar
hide
Actions
Read
Edit
Edit source
View history
General
What links here
Related changes
Special pages
Page information
Appearance
move to sidebar
hide
Warning:
You are not logged in. Your IP address will be publicly visible if you make any edits. If you
log in
or
create an account
, your edits will be attributed to your username, along with other benefits.
Anti-spam check. Do
not
fill this in!
AI Prophet adalah sebuah library open-source yang dikembangkan oleh Meta (Facebook) untuk mempermudah proses peramalan data deret waktu (time series forecasting). Library ini dibuat dengan tujuan agar peramalan bisa diakses lebih luas, bukan hanya oleh pakar statistik atau data scientist, tetapi juga oleh praktisi, peneliti, maupun pengembang yang ingin mendapatkan gambaran tren masa depan dari data historis. Dalam praktiknya, AI Prophet bekerja dengan memanfaatkan pendekatan berbasis kecerdasan buatan (AI) untuk mengenali pola dalam data. Data tersebut bisa berupa catatan harian, mingguan, hingga tahunan. Contohnya, kita dapat memprediksi penjualan produk, trafik kunjungan website, konsumsi energi rumah tangga, ataupun variasi kondisi lingkungan dari data sensor IoT. Prophet menyajikan hasil prediksi dalam bentuk yang mudah dipahami, misalnya grafik tren dengan proyeksi ke depan. Salah satu keunggulan utama AI Prophet adalah kemampuannya mengatasi masalah umum pada data deret waktu. Misalnya, ketika data tidak lengkap atau terdapat nilai yang menyimpang (outlier), Prophet tetap dapat menghasilkan prediksi yang stabil. Selain itu, Prophet mampu mendeteksi pola musiman seperti fluktuasi mingguan, bulanan, hingga tahunan tanpa memerlukan konfigurasi yang rumit dari pengguna. Kombinasi antara kemudahan penggunaan dan fleksibilitas inilah yang membuat AI Prophet banyak dipakai di berbagai bidang. Baik pemula yang baru belajar analisis data, maupun profesional yang membutuhkan hasil cepat dan dapat dipertanggungjawabkan, dapat memanfaatkan AI Prophet sebagai alat prediksi yang praktis sekaligus andal. Dengan begitu, AI Prophet menjadi salah satu pilihan utama dalam membangun solusi berbasis data dan AI di berbagai sektor. Sebelum melakukan instalasi, kita perlu menyiapkan environtment yang mendukung untuk library Prophet, berikut langkah-langkah untuk menyiapkan environtment dan instalasi Prophet # Prophet memerlukan Python versi 3.7 atau yang lebih baru. Pada sebagian besar distribusi Linux, Python 3 biasanya telah tersedia. Namun, apabila belum ada, dapat dilakukan instalasi menggunakan perintah berikut: <br><br><code>sudo apt update</code> <code>sudo apt install python3 python3-pip python3-venv -y</code><br><br> Perintah diatas akan memasang Python3, pip, dan modul venv yang diperlukan untuk membuat lingkungan virtual<br><br> # Untuk menghindari konflik dengan paket lain, sebaiknya Prophet diinstall dalam virtual environment <br><br><code>python3 -m venv prophet-env</code> <code>source prophet-env/bin/activate</code><br><br> Setelah environment aktif, terminal akan menampilkan awalan (prophet-env) sebagai penanda.<br><br> # Agar proses instalasi lebih lancar, perbarui pip, setuptools, dan wheel: <br><br><code>python -m pip install --upgrade pip setuptools wheel</code><br><br> # Gunakan pip untuk memasang Prophet secara langsung dari repositori <br><br><code>python -m pip install prophet</code><br><br> Pada proses ini akan otomatis mengunduh dan memasang dependensi yang dibutuhkan Prophet<br><br> # Setelah instalasi selesai, kita perlu melakukan pengujian dengan menjalankan Python dengan code berikut. <br><br><code>from prophet import Prophet</code> <br><br><code>import pandas as pd</code> <br><br /><code># Membuat data sederhana</code> <br><code>df = pd.DataFrame({</code> <br><code>Β Β 'ds': pd.date_range('2020-01-01', periods=10, freq='D'),</code> <br><code>Β Β 'y': [10,12,11,13,15,14,16,15,17,18]</code> <code><br>})</code> <br><br /><code># Membuat model Prophet dan melakukan training</code> <br><code>m = Prophet()</code> <br><code>m.fit(df)</code> <br><br /><code># Membuat prediksi ke depan</code> <br><code>future = m.make_future_dataframe(periods=7)</code> <br><code>forecast = m.predict(future)</code> <br><code>print(forecast<nowiki>[['ds','yhat']]</nowiki>.tail())</code> <br><br>Jika berhasil, maka akan muncul tabel dengan kolom ds (tanggal) dan yhat (nilai prediksi)<br><br> # Environment dapat dinonaktifkan dengan perintah <br><br><code>deactivate</code> <br><br>Dengan perintah tersebut akan mengembalikan terminal ke semula.
Summary:
Please note that all contributions to Colabs IoT may be edited, altered, or removed by other contributors. If you do not want your writing to be edited mercilessly, then do not submit it here.
You are also promising us that you wrote this yourself, or copied it from a public domain or similar free resource (see
Colabs IoT:Copyrights
for details).
Do not submit copyrighted work without permission!
Cancel
Editing help
(opens in new window)