Linear Time Regression/LTR (regresi
waktu linier) adalah sebuah teknik pemodelan yang dikenal pada analisis data
deret waktu (time series analysis) yang telah banyak digunakan untuk
memprediksi nilai. Dalam memodelkan data semua data diaproximasi/diprediksi
berada di sekitar sebuah garis linier.
Pada contoh di bawah, dimisalkan
kita memiliki data tersebar dalam sumbu vertical (sekitar 0 sampai 20) dan
sumbu horizontal ( antara -20 sampai 60).
Pada contoh di atas tujuan kita
adalah mencari persamaan linier sedemikian hingga jarak semua titik data
terhadap garis tersebut adalah minimal.
Jika kita memiliki pasangan data
x dan y, umumnya persamaan matematis yang digunakan dalam pemodelan LTR adalah
y = mx +b
m disebut sebagai slope
dan b sebagai bias.
Untuk mencari nilai m
dan b kita gunakan persamaan berikut
Lalu apa manfaatnya jika kita
sudah mengetahui nilai m dan b tersebut?
1. Dengan
mengetahui nilai m dan b, kita bisa memprediksi nilai y untuk nilai x yang
diketahui.
2. Untuk
mengetahui kecenderungan arah pergerakan data, jika slope (m) positif maka
semua data cenderung mengarah naik dan jika slope (m) negative maka semua data
cenderung mengarah turun.
Berikut ini adalah hasil perhitungan yang dibuat di excel.
Dengan mengetahui nilai slope kita bisa mengetahui trend pasar sepanjang periode tertentu,