Dekomposisi Musiman dari Rangkaian Waktu (STL) adalah teknik statistik yang digunakan untuk memisahkan rangkaian waktu menjadi tiga komponen berbeda: komponen musiman, komponen tren, dan komponen sisanya. Komponen musiman mewakili pola berulang dalam data, sedangkan komponen tren mengidentifikasi pergerakan atau siklus jangka panjang dalam data. Komponen sisanya terdiri dari potensi outlier yang tidak terwakili dalam komponen musiman dan tren.
STL umumnya digunakan dalam peramalan deret waktu, seperti peramalan bisnis, peramalan populasi, dan peramalan cuaca. Ini juga digunakan secara luas dalam deteksi anomali, dan dapat digunakan untuk mengidentifikasi perubahan tak terduga dalam data yang mungkin merupakan outlier atau tren yang tidak diketahui.
Prosesnya biasanya melibatkan pemulusan atau pemfilteran data, dan mentransformasikannya dengan fungsi periodik, seperti transformasi Fourier. Metode yang berbeda dapat digunakan untuk memperkirakan komponen musiman. STL juga dapat digunakan dengan metode pemulusan eksponensial, seperti metode Holt-Winters.
STL adalah proses berulang, dan proses tersebut perlu diulang hingga hasilnya dapat diterima. Seringkali bermanfaat untuk meninjau tampilan grafis komponen untuk membantu mengevaluasi kesesuaian hasil dekomposisi.
Secara keseluruhan, STL merupakan alat penting untuk mengidentifikasi dan menganalisis pola dalam data deret waktu, dan dapat digunakan untuk mengidentifikasi outlier, tren, dan pola musiman. Ini adalah teknik statistik penting untuk peramalan deret waktu, dan digunakan dalam berbagai macam aplikasi peramalan dan deteksi anomali.
