Forecasting Robusto com Detecção de Change Points

Trigonometric Box-Cox ARMA Trend Seasonal

SARIMA com Variáveis Exógenas - Análise de Desempenho

Análise de Desempenho e Comparação com SNaive

Análise de Desempenho e Comparação com SNaive

Análise de Desempenho e Previsão Base

Fundamentos Estatísticos e Engenharia de Atributos

Para facilitar esta tarea, hemos diseñado un script que evalúa automáticamente la calidad de los datos utilizando los paquetes 'psych' y 'pastecs'. Este análisis es fundamental antes de ejecutar modelos de ecuaciones estructurales por mínimos cuadrados parciales (PLS-SEM)

Analisis ini membahas penerapan metode Autoregressive Integrated Moving Average (ARIMA) untuk memodelkan dan meramalkan jumlah kasus Tuberkulosis (TB) baru di Kota Semarang menggunakan data bulanan periode Januari 2019 hingga November 2025 yang bersumber dari LEKMINKES Dinas Kesehatan Kota Semarang. Model ARIMA (1,1,0) dipilih sebagai model terbaik berdasarkan nilai AIC terendah, signifikansi parameter, serta hasil uji diagnostik yang menunjukkan residual bersifat white noise. Evaluasi menggunakan Mean Absolute Percentage Error (MAPE) menunjukkan tingkat kesalahan yang rendah yaitu 8,7%, sehingga model memiliki performa prediksi yang baik. Model ini kemudian digunakan untuk melakukan peramalan jangka pendek delapan bulan ke depan sebagai gambaran awal tren kasus TB di Kota Semarang

1. var_analysis_module.R - Traditional VAR calculations (Historical, Parametric, Monte Carlo, CVaR) - Component and Incremental VAR - Backtesting framework - Visualization and table generation - CSV export functionality