Betapa Cerdasnya Kucing Hak Cipta 2004-2014, Pemilik Sarah Hartwell Cat sering mengklaim bahwa kucing terlalu cerdas untuk melakukan trik seperti yang dilakukan anjing dengan rela. Yang lain percaya bahwa kucing itu tidak cerdas karena lebih sulit melatih mereka untuk melakukan trik. Dalam artikel ini (di 2 halaman), saya bertujuan untuk menjelaskan beberapa perbedaan ini dan mengeksplorasi kecerdasan kucing dan keterbatasan kecerdasan kucing. Ini juga berarti melihat bagaimana kucing melihat dunia dan beberapa aspek perilaku kucing alami. Sayangnya untuk kucing, mereka sering merupakan peserta yang tidak setuju dalam eksperimen yang mengganggu operasi untuk menilai pembelajaran dan kecerdasan. Manusia tampaknya merasa perlu untuk menilai kecerdasan hewan sebagai cara untuk memperkuat rasa superioritas kita sendiri dan kucing tersebut telah menjadi subjek favorit untuk belajar belajar dan fungsi otak selama lebih dari satu abad. Banyak tes memasukkan elektroda ke otak kucing baik untuk memantau aktivitas otak atau menstimulasi perilaku tertentu yang lain melibatkan sengaja melukai otak untuk melihat apakah kemampuan belajar atau kecerdasan terpengaruh. Sebagian besar subjek tes tersebut terbunuh dan otak mereka dibedah lagi untuk mencari bukti adanya perubahan otak akibat belajar. Saya secara pribadi menganggap eksperimen ini kejam dan serampangan (manfaat medis mereka terhadap manusia terlalu sering meragukan) dan meskipun beberapa eksperimen semacam itu dirujuk di sini, Messybeast tidak mendukung bentuk eksperimen ini. Dalam beberapa tahun terakhir telah terjadi peningkatan tes di lingkungan tipe rumah yang lebih alami daripada lingkungan laboratorium buatan. Sementara kondisi lab lebih mudah dimanipulasi, mereka tidak menghasilkan yang terbaik dalam mata pelajaran tes dan memberikan hasil yang menyesatkan. Tes yang lebih baik juga memperhitungkan perilaku bawaan hewan dan naluri, hal-hal yang sebelumnya telah dihitung terhadap kucing dalam tes laboratorium klasik. Artikel ini juga mempertimbangkan beberapa bukti anekdotal untuk intelijen yang dilaporkan oleh pemilik, namun sering dipecat oleh periset laboratorium. Karena kucing beroperasi di alam, masuk akal untuk mengamati mereka di lingkungan mereka sendiri dan tidak hanya di lingkungan laboratorium buatan yang sangat terkontrol. Kebenaran Tentang Anjing Kucing dan Anjing telah dilatih untuk melindungi diri, memelihara, mencari, menolong, menolong (misalnya membimbing anjing untuk orang buta) dan melakukan trik sirkus, ketaatan atau kelas kelincahan. Bagi banyak orang, ini adalah tanda jelas kecerdasan mereka dan keunggulan kecerdasan anjing tentang kecerdasan kucing. Kucing telah dilatih untuk melakukan trik seperti yang terlihat pada film atau iklan TV, namun tidak memiliki repertoar yang sama seperti anjing. Hal ini menyebabkan kesimpulan yang jelas bahwa kucing tidak cukup cerdas dan tidak cukup kooperatif untuk dilatih. Misalnya, dalam eksperimen di mana kucing dan anjing diharapkan menavigasi labirin, kebanyakan kucing tampil buruk. Anjing segera belajar menavigasi labirin dan meraih pahala. Kucing duduk dan mencuci. Mereka menyelidiki lorong-lorong buta. Mereka tidak menyelesaikan labirin dalam waktu yang dialokasikan dan karena itu dinilai gagal dalam ujian atau lesu. Anjing yang ingin tahu mengetahui bahwa mereka mendapat hadiah untuk belajar. Kucing tidak termotivasi dengan cara ini. Menjadi oportunis, menyelidiki setiap gang buta masuk akal bagi kucing - setelah semua, siapa tahu dimana mangsa mungkin bersembunyi di dunia nyata Duduk dan mencuci adalah aktivitas perpindahan saat kucing tidak pasti. Sebagian besar kegiatan anjing yang dikutip sebelumnya mengandalkan manipulasi naluri sosial anjing. Anjing hidup, berburu dan bermain dalam paket sosial hierarkis yang dipimpin oleh seorang wanita alfa dan alfa perempuan. Mereka sering bekerja sama dalam meningkatkan jumlah pasangan alpha muda dan bekerja sama untuk berburu mangsa besar. Remaja meminta dengan patuh untuk makanan dari orang dewasa. Mereka berkeinginan untuk menyenangkan rekan-rekan satu paket agar tetap menjadi bagian dari paket mereka dan mereka menunjukkan ketaatan kepada hewan peringkat yang lebih tinggi. Anjing domestik memandang manusia sebagai anggota pak yang dominan sehingga mereka ingin menyenangkan hati kita. Selain itu, anjing telah dibesarkan secara selektif selama ratusan tahun untuk meningkatkan beberapa sifat dan mengurangi atau menghilangkan orang lain. Kucing, sementara itu, memiliki struktur sosial yang berbeda. Dimana makanan berlimpah, mereka sebagian besar menyendiri meskipun betina, biasanya yang terkait, dapat membentuk kelompok sosial. Laki-laki cenderung berkeliaran mencari perempuan daripada tetap menjadi bagian dari kelompok. Bila sumber makanan dilokalisasi (misalnya tempat pembuangan sampah), mereka membentuk koloni tapi struktur sosialnya lebih mirip dengan singa - kelompok perempuan yang mungkin secara kooperatif dapat membesarkan anak muda. Tidak seperti singa, kucing umumnya tidak memburu mangsa lebih besar dari pada diri mereka sendiri dan jarang berburu berpasangan atau berkelompok. Kucing adalah, oleh karena itu, mandiri daripada benar-benar sosial dan memiliki sedikit atau tidak perlu bekerja sama dengan kucing lain. Kerja sama Feline dengan manusia terbatas kecuali jika melayani kepentingan masing-masing kucing untuk melakukan suatu tugas. Sedangkan anjing telah dibesarkan untuk keperluan utilitas, kucing telah dibesarkan semata-mata untuk penampilan. Anjing sangat termotivasi oleh naluri pak-hidup mereka. Mereka akan tampil murni untuk pujian dan penerimaan yang disingkirkan oleh anggota pak yang dominan (yaitu pemilik atau pelatih). Mereka juga akan tampil karena, di alam bebas, mereka berisiko diusir dari satu pak atau diturunkan ke posisi pariah. Kucing tidak termotivasi oleh faktor status sosial. Untuk melatih seekor kucing Anda harus mencari tahu apa yang memotivasinya. Biasanya ini berarti makanan, atau setidaknya mengkondisikannya bahwa ada janji makanan di akhir sesi. Bahkan saat itu, kucing tidak termotivasi oleh makanan dengan cara yang sama seperti anjing - jika meraih pahala makanan terlalu banyak kerja keras, kucing sering memotong kerugian mereka dan mencari mangsa yang lebih mudah. Di alam liar, tidak masuk akal bagi pemburu solo untuk mengeluarkan lebih banyak energi untuk menemukan atau membunuh mangsa daripada yang didapat dari memakan mangsa itu. Sementara anjing akan melacak dan mengejar mangsa dalam jarak jauh dan menurunkan tambang mereka, kucing berburu dengan menunggu dalam penyergapan dan mengejar mangsa untuk jarak pendek saja. Kelaparan kucing tidak membuat lebih mudah untuk melatih baik, kucing lebih baik daripada anjing mengabaikan rasa lapar. Bagi kucing muda, meski makanan merupakan pahala yang ampuh, aktivitas seperti manipulasi benda sederhana seperti bola atau kertas yang tergores, atau kesempatan untuk menjelajahi ruang yang tidak biasa bisa memberi imbalan yang cukup dalam beberapa tugas. Akan selalu ada beberapa kucing yang tidak hanya belajar dengan mudah, tapi nampak senang belajar, meski ini adalah pengecualian dan bukan aturannya. Karena kita menilai kecerdasan dengan membandingkan makhluk lain dengan diri kita sendiri, banyak catatan populer tentang perilaku kucing menggambarkan pembelajaran seolah kucing adalah hewan yang cacat secara mental daripada karnivora yang sangat khusus. Misalnya, pada tahun 1915, L T Hobhouse (Profesor Sosiologi di Universitas London) menulis: Saya pernah memiliki seekor kucing yang belajar mengetuk pintu dengan mengangkat tikar di luar dan membiarkannya jatuh. Pertanyaan umum dari proses ini adalah bahwa kucing melakukannya untuk masuk. Ini mengasumsikan tindakan kucing akan ditentukan pada akhirnya. Apakah common account salah Mari kita mengujinya dengan mencoba penjelasan yang ditemukan pada operasi pengalaman yang lebih primitif. Pertama, maka, bisakah kita menjelaskan tindakan kucing dengan asosiasi gagasan Kesulitan yang jelas di sini adalah menemukan gagasan atau persepsi yang menentukan prosesnya. Melihat sebuah pintu atau tikar tidak, sejauh yang saya tahu, terkait dengan pengalaman kucing dengan tindakan yang dilakukan sampai melakukan itu. Jika ada asosiasi, harus dikatakan bekerja secara retrogresif. Kucing tersebut menghubungkan gagasan untuk masuk dengan seseorang yang datang ke pintu, dan ini lagi dengan suara untuk menarik perhatian, dan sebagainya. Serangkaian asosiasi semacam itu yang disesuaikan dengan baik berarti pada kenyataannya ada serangkaian elemen terkait yang ditangkap oleh hewan dan digunakan untuk menentukan aksinya. Gagasan orang, membuka pintu, menarik perhatian dan sebagainya, tidak akan berpengaruh kecuali jika melekat pada keadaan yang ada. Jika kucing memiliki gagasan abstrak semacam itu sama sekali, dia pasti memiliki sesuatu yang lebih - yaitu, kekuatan menerapkannya pada persepsi saat ini. Gagasan untuk menarik perhatian dan menjatuhkan tikar entah bagaimana harus disatukan. Selanjutnya, jika prosesnya adalah salah satu asosiasi, kebetulan kebetulan rekan yang tepat dipilih. Jika kucing itu mulai dengan serangkaian asosiasi yang dimulai dari orang-orang di ruangan itu, dia mungkin akan dengan mudah terus memikirkan kenikmatan masuk, bagaimana dia bisa membujuk sepotong ikan dari satu atau sedikit piring krim dari yang lain. , Dan menghabiskan waktunya dengan lamunan menganggur. Tapi dia menghindari asosiasi ini, dan memilih yang sesuai dengan tujuannya. Singkatnya, kita menemukan tanda-tanda di satu sisi penerapan gagasan, di sisi lain seleksi. Kedua fitur ini menunjukkan tingkat yang lebih tinggi daripada asosiasi belaka. Hobhouse menafsirkan perilaku kucingnya memiliki unsur-unsur yang obyektif meskipun ia menawarkan penjelasan behavioris alternatif: hubungan antara motivasi dan kesenangan melewati pintu, dan tindakan mengangkat dan menjatuhkan tikar. Teori Respon Stimulus Awal Psikolog awal percaya semua perilaku dihasilkan dari asosiasi stimulus-respons. Teori mereka tidak memiliki ruang untuk berpikir, sadar, insting, perilaku bawaan atau kecenderungan untuk perilaku tertentu. Pada tingkat yang paling sederhana, pembelajaran melibatkan penghubungan bersama (menghubungkan) rangsangan, tindakan atau konsekuensi yang tidak terkait sebelumnya dari tindakan tersebut. Banyak hewan invertebrata mampu membentuk asosiasi semacam itu. Peneliti awal telah menemukan perilaku terprogram, namun memperkirakan bahwa semua perilaku adalah refleks stimulus-respons sederhana. Pada tahun 1966, Fernand Mery menulis: Ahli neurofisiologi Amerika di Yale University mencapai kesuksesan di bidang yang berbeda. Dr Joseacute Delgado memasang rangkaian elektroda lengkap di otak seekor kucing. Operasi itu berlangsung dengan anestesi lengkap, dan saat kucing itu terbangun, dia tidak tahu apa-apa tentang apa yang telah terjadi. Percobaan tidak dimulai sampai semuanya sembuh dengan sempurna. Tidak mungkin untuk tidak merasakan kucing laboratorium ini, tapi mereka yang hadir dan ikut serta dalam percobaan tersebut memastikan bahwa ia tidak berusaha melepaskan diri dari tindakan tersebut. Dia bahkan sepertinya menghargai situasinya, seolah menghargai ketertarikan yang dimilikinya. Tidak tahu apa-apa tentang operasi bedah yang telah dia sampaikan, dia bersikap seolah-olah sedang mematuhi latihan ramah sederhana: dia menjadi robot. Di lehernya, seseorang bisa membedakan kerah kecil yang dipasang set penerima dengan pemancar mungil, yang dilekatkan pada kawat perak rapi, yang masing-masing sesuai dengan lokalisasi serebral dan menghilang ke bulunya. Dengan cara ini, apakah di ruangan yang sama atau ratusan mil jauhnya, dan dengan perintah yang dikirim melalui radio, kucing tersebut dapat mengalami kebutuhan untuk minum (dan dia memiliki air dan susu yang ditempatkan di tempat pembuangannya), untuk makan (dia dapat memilih Apapun yang dia mau), gatal (dan bisa menggaruk dirinya sebanyak yang dia mau). Bahkan mungkin, dengan menstimulasi bagian lobus frontal semacam itu dan semacam itu, untuk memancing kecemasan yang luar biasa atau antipati yang agresif dan, pada saat berikutnya, untuk mengurangi keadaan ini. Pentingnya eksperimen ini bukanlah bahwa seseorang dapat mewajibkan kucing untuk melakukan gerakan semacam itu, tapi seseorang dapat dengan mudah, dengan melewatkan arus listrik, membangunkan kepadanya keinginan untuk bertindak dalam arah yang ditentukan. Saat ini eksperimen semacam itu menuju pengetahuan yang lebih baik tentang psikologi kucing tidak ditindaklanjuti secara teratur meskipun mereka telah diperbarui dengan monyet dan, untuk beberapa waktu sekarang, dengan manusia. Elektroda-elektroda menit yang sama ini ditanam pada titik-titik yang dipilih secara khusus yang berhubungan dengan gangguan psikis yang ditunjukkan oleh subjek. Dengan cara ini adalah mungkin untuk melakukan tes yang hasilnya sangat mencerahkan bagi psikiater. Hasil ini pada saat ini sedang diterbitkan oleh New York Academy of Science. Tak perlu dikatakan bahwa mereka mungkin memberi kita perspektif yang menakutkan pada pikiran manusia. Di masa lalu, psikolog percaya bahwa semua belajar untuk menjadi asosiasi sederhana. Teori refleks-action stimulus-response juga dianggap benar untuk manusia. Sekarang diperkirakan bahwa banyak mamalia mampu melakukan proses mental yang lebih kompleks. Hewan yang paling tinggi memiliki semacam representasi mental dari dunia mereka, dan bagaimana dunia bekerja, yang mereka konsultasikan kapan pun mereka harus mengambil keputusan. Mungkin tidak mungkin untuk benar-benar mengerti bagaimana seekor kucing merasakan dan memahami dunia. Kenyataan virtual bisa memberi kita gambaran tentang apa yang dunia lihat dan terdengar seperti kucing dengan menyesuaikan sinyal yang mencapai mata dan telinga kita dan dengan memfilmkan dari tingkat mata kucing, namun bagaimanapun banyak ilmuwan menyodok elektroda ke otak kucing yang tidak beruntung, Mereka tidak bisa benar-benar masuk ke dalam pikiran mereka. Untuk menyelidiki kecerdasan dan kemampuan belajar kucing, kita harus merancang tes yang lebih sesuai, dan lebih manusiawi. Untuk melakukan itu, kita harus mengerti bagaimana kucing telah berevolusi agar sesuai dengan lingkungan dan gaya hidup mereka, hal-hal yang menjadi predisposinya untuk berperilaku dengan cara tertentu. Salah satu bentuk pembelajaran yang paling sederhana adalah pengkondisian Pavlov (Pavlovian Learning). Ini melibatkan mengaitkan stimulus dengan suatu peristiwa. Salah satu stimulus, yang disebut Stimulus Tanpa Syarat, biasanya terkait dengan keadaan motivasional tertentu dan menghasilkan reaksi bawaan yang disebut Respons Tanpa Syarat. Misalnya, jika Stimulus Tanpa Syarat adalah bau makanan dan keadaan motivasionalnya adalah kelaparan, maka UCR meneteskan air liur Jika Stimulus Conditioned seperti bel, terjadi tepat di depan, atau pada saat bersamaan dengan Stimulus Tanpa Syarat maka hasilnya Dalam Respons Tanpa Syarat itu sendiri. Respons Tanpa Syarat menjadi Respons yang Dihiasi dan orang-orang terkondisi ngiler mendengar suara bel. Dalam lingkungan alami kucing, Stimulus Tanpa Syarat mungkin adalah rasa sakit yang ditimbulkan oleh kucing tom yang agresif. Respons Tanpa Syarat mungkin akan dilalui untuk menghindari pengulangan rasa sakit. Ke depan, hanya pandangan agresor (sekarang Stimulus Conditioned) bisa berakibat pada penerbangan yaitu sebuah Tanggapan yang Dianggap karena kucing termotivasi untuk menghindari rasa sakit. Jika Stimulus yang Diatur (kucing tom agresif) berada di kejauhan, kucing dimotivasi untuk menghindari deteksi dan Respon yang Dihiasi adalah membeku dan bukan melarikan diri. Pengondisian Pavlov membentuk hubungan antara rangsangan asli dan stimulus terkondisi, namun respons aktualnya bergantung pada keadaan motivasi kucing. Pembelajaran yang kondusif diperumit oleh perilaku bawaan hewan. Telinga kucing dirancang untuk rumah di pada suara seperti mangsanya berkulit kecil di rumput panjang. Dalam sebuah percobaan, kedatangan makanan diberi isyarat 10 detik bunyi klik dari loudspeaker berjarak 2 meter dari dispenser makanan. Kucing berlari ke arah suara, mencari-cari di sekitar loudspeaker atau bahkan menyerangnya. Beberapa orang mengabaikan makanan yang sebenarnya dan memusatkan perhatian mereka pada loudspeaker. Butuh ratusan percobaan untuk mengkondisikan kucing untuk pergi ke dispenser makanan saat mereka mendengar bunyi klik. Dalam eksperimen yang sama, tikus tidak menyelidiki loudspeaker, namun dengan cepat menghubungkan suara tersebut dengan kedatangan makanan. Ini bukan karena kucing itu bodoh. Bagi kucing, suara menunjukkan lokasi mangsa yang jelas dan mereka bereaksi sesuai dengan naluri mereka. Predator yang sangat beradaptasi berharap bisa menemukan mangsa mangsa dan mangsa itu sendiri (makanannya) di lokasi yang sama. Kucing dengan cepat belajar ketika Stimulus yang Beresiko tidak dapat diandalkan dan mereka dapat mempelajari Unsur Respon yang Tidak dapat diandalkan, mengabaikan lonceng, bel, klik atau apapun yang tidak relevan. Manusia bias dalam menilai kecerdasan spesies lain, menilai mereka sesuai dengan kesamaannya dengan diri kita sendiri. Hewan yang memiliki penglihatan yang baik dan tangan yang tegang secara konsisten dinilai lebih cerdas daripada hewan yang kekurangan fitur tersebut. Kita bias terhadap hewan yang melihat, bereaksi dan memanipulasi hal-hal dengan cara yang mirip dengan diri kita sendiri. Hewan yang belajar melakukan hal-hal yang berguna bagi manusia juga dinilai lebih cerdas daripada makhluk kooperatif. Ini adalah kekurangan pandangan manusia, bukan pada kecerdasan hewan. Hewan yang sangat bergantung pada naluri atau pembelajaran yang sangat spesifik konteks (yaitu hanya mempelajari hal-hal yang berkaitan dengan lingkungan yang ia jalani) dapat hanya membaca dengan kecepatan yang ditentukan oleh mekanisme evolusioner. Mereka yang memiliki kemampuan belajar lebih luas dapat mengubah pola perilaku mereka dengan cepat. Kucing juga memiliki kemampuan surplus secara ekologis yaitu kemampuan untuk memecahkan masalah di luar adaptasi spesifiknya terhadap ceruk lingkungannya. Kemampuan ekologis surplus memungkinkan hewan untuk mengatasi perubahan lingkungan yang cepat atau tak terduga, namun sulit diukur. Kucing secara ekologis kelebihan kemampuan ditunjukkan oleh kemampuannya untuk bergerak dari hewan peliharaan yang dimanjakan ke kucing liar dan kembali lagi, dalam beberapa generasi yang sangat sedikit, atau bahkan dalam masa kucing tunggal. Manusia sering mendefinisikan kecerdasan sebagai IQ. Ini menyesatkan karena ada sistem penilaian IQ yang berbeda dan mungkin untuk belajar bagaimana melakukan tes IQ dengan baik. Ada juga orang cerdas yang tidak berkinerja baik dalam tes IQ karena tesnya bias terhadap jenis kecerdasan tertentu (misalnya penalaran logis) dan secara kultural miring. Tes lainnya mencakup kemampuan untuk belajar dan mengingat. Apakah kemampuan untuk belajar dengan hafalan tanda kecerdasan Jika demikian, setiap meniru burung cerdas. Kecerdasan terdiri dari banyak hal - kemampuan untuk memahami dan memanfaatkan lingkungan itu kemampuan belajar dan mengingat fakta (pengetahuan toko) kemampuan untuk menghubungkan fakta kemampuan untuk menerapkan pengetahuan dan untuk menyesuaikannya dengan situasi baru kemampuan untuk mengganti atau menyesuaikan respons naluriah. Seekor kucing atau anjing tidak perlu belajar fisika nuklir atau memahami Shakespeare agar bisa bertahan. Kecerdasan hewan dikaitkan dengan lingkungan alami hewan dan kebutuhan kelangsungan hidupnya. Untuk mengukur kecerdasannya, kita harus menyesuaikan persepsi kita tentang kecerdasan dengan pandangan dunia dan merumuskan tes dengan tepat. Jika tes bergantung pada pembelajaran, kita harus mencari tahu apa yang memotivasi seekor anjing atau kucing untuk belajar atau melakukan ekologi binatang yang berbeda berarti faktor pendorong yang berbeda. Kita memerlukan tes yang sesuai dengan sifat dan kendala fisik dan perilaku hewan, bukan pada keterbatasan kita sendiri. . Kita juga perlu beberapa cara untuk membandingkan perilaku mereka yang sangat berbeda. Hewan yang berbeda memiliki perilaku bawaan yang berbeda. Misalnya, kucing yang tidak terlatih dan anjing Border Collie yang tidak terlatih keduanya disajikan dengan sekelompok anak itik. Anjing menggembalakan si bebek dan melindungi mereka. Kucing itu menancapkan bebek dan memakan satu atau lebih dari mereka. Apakah kucing itu tidak cerdas karena tidak kawanan anak bebek Apakah anjing itu tidak cerdas karena gagal mengidentifikasi bebek itu sebagai mangsa dan tidak memanfaatkan kesempatan makan. Makhluk tidak lebih cerdas daripada yang lain jika dinilai berdasarkan tes ini. Keduanya dilakukan sesuai naluri mereka. Anjing itu berasal dari berkembang biak dengan naluri penggembalaan yang kuat yang diperkuat oleh seleksi manusia dari generasi ke generasi, hal itu yang terjadi secara alami pada Border Collies. Kucing melakukan apa yang terjadi secara alami pada kucing dan mengidentifikasi makanan yang mudah, tapi gagal dalam menggembalakan tes. Tesnya kurang dipilih atau bias terhadap penggembalaan anjing hasilnya terbuka untuk interpretasi dan kesimpulannya tidak berharga. Tes semacam itu kadang-kadang digunakan oleh peneliti dengan agenda tersembunyi, yaitu mereka yang hanya memerlukan statistik untuk membuktikan teori hewan peliharaan atau kesimpulan terdahulu. Akhirnya, manusia sangat protektif terhadap kecerdasan. Indikasi kecerdasan pada hewan lain sering disebut licik atau ditulis sebagai naluri. Sebagai sebuah perlombaan, kita tidak suka mengakui bahwa kecerdasan bukanlah ciri manusia secara eksklusif. Hal yang sama juga terjadi dalam sejarah manusia di mana orang kulit putih Eropa menganggap manusia non-putih (yang disebut ras yang lebih rendah) karena licik dan mampu dilatih, tapi tidak cerdas. Manusia, dan juga kucing, memiliki tingkat perilaku terprogram. Perilaku terprogram ini memungkinkan kita melakukan tugas rutin dengan autopilot dan membebaskan lebih banyak otak untuk menyelesaikan tantangan lainnya. Kuda untuk Kursus - dan Tes untuk Spesies Kemampuan hewan untuk menguasai tugas eksperimental seringkali kurang berkaitan dengan kecerdasan dibandingkan dengan kendala yang dipaksakan oleh sifat fisik dan kecenderungan perilaku. Spesies berbeda dalam cara mereka melihat atau mendengar isyarat visual atau pendengaran yang mereka ajarkan untuk merespons, sama seperti manusia tidak dapat belajar untuk menanggapi isyarat ultrasonik atau ultraviolet karena ini berada di luar jangkauan pendengaran dan visual kita. Hewan berbeda dalam jenis penghargaan yang mereka inginkan. Mereka berbeda dalam hal yang mereka waspadai, atau bahkan takut, dan yang akan mengganggu pembelajaran atau akan sepenuhnya merusak eksperimen mis. Seekor kucing tidak akan belajar memilih bentuk plastik tertentu jika plastik itu memiliki bau yang menyengat. Hewan juga cenderung (siap) untuk mempelajari jenis asosiasi tertentu, dan cenderung tidak mempelajari yang lain (kontra disiapkan). Ini adalah masalah bagaimana pemasangan kabel otak mereka berevolusi, sehingga membuat mereka berinteraksi dengan lingkungan mereka dengan cara tertentu. Jika tes atau jenis penghargaan entah bagaimana sesuai dengan apa yang cenderung dilakukan kucing (misalnya memanipulasi sifat perilaku yang ada), maka kucing tersebut tidak akan melakukannya Saat mencoba mengukur kecerdasan relatif spesies yang berbeda (perilaku yang terobsesi dengan Spesies manusia), beberapa hewan kurang belajar dalam hal-hal tertentu, namun jika eksperimen dirancang ulang agar sesuai dengan sifat perilaku atau persepsi spesies, dan memperhitungkan spesies apa yang cenderung tidak dilakukan, hewan yang sama melakukan jauh lebih baik. Meskipun menjadi subjek penelitian favorit selama lebih dari satu abad, kucing adalah subjek yang sangat menantang untuk pengujian kecerdasan. Sulit bagi mereka untuk menunjukkan bagaimana mereka belajar atau apa yang mereka ketahui, terutama di lingkungan laboratorium. Sementara hewan sosial seperti anjing dan kuda merespons penghargaan sosial dan hukuman, ini hampir tidak berarti bagi kucing. Meskipun kucing mungkin senang digoda, tidak ada pentingnya penerimaan oleh atasan dengan cara yang sama seperti pada anjing. Mereka acuh tak acuh terhadap konsep petting sebagai hadiah dan pemotongan petting sebagai hukuman yang sebenarnya mengabaikan kucing bisa menjadi kontraproduktif karena ini adalah tanda kesopanan dalam istilah kucing Menghukum hewan sosial (dengan mengabaikannya, berbicara kasar atau dengan cara yang sama Hukuman fisik) sama dengan ketidaksetujuan sosial atau pengecualian dari kelompok sosial. Orang-orang ini bekerja untuk anjing, kucing tidak bersifat sosial atau memiliki struktur sosial yang longgar dan merespons hukuman yang sama dengan reaksi pertarungan atau lari. Setelah berevolusi menjadi mandiri, mereka tidak memiliki keinginan untuk menenangkan atasan sosial atau mendapatkan penerimaan ke dalam satu pak atau kawanan - mereka cenderung pergi beberapa jam dan menunggu peserta manusia untuk tenang. Anjing, tikus dan subyek penelitian lainnya akan mempelajari tugas spesifik dan terfokus untuk mendapatkan hadiah makanan. Kucing adalah pemburu oportunis yang mandiri, soliter, dan telah berevolusi untuk mengatasi periode kelaparan karena hanya sekitar satu dari tiga hasil perburuan yang menghasilkan makanan. Dalam percobaan di mana kucing yang belum diberi makan selama sehari penuh diuji kemampuannya untuk menemukan benda yang tersembunyi di balik layar, para periset mencatat bahwa pencarian kucing lamban atau lesu meskipun penghargaan untuk menemukan objek adalah favorit kucing. Makanan memperlakukan Di alam bebas, kucing adalah oportunis dan menyelidiki wilayah mereka karena tempat-tempat yang cenderung menyembunyikan mangsa sehingga subjek uji lesu kurang termotivasi oleh makanan daripada memeriksa semua lubang mangsa potensial. Hal ini jelas bagi pemilik hewan peliharaan, dan bagi para naturalis yang mengamati kucing liar, kucing-kucing itu sangat penasaran dan mereka dapat dan memang belajar. Di lingkungan rumah atau alam liar, kucing menyesuaikan tingkah laku dan strategi mereka sesuai keadaan. Ada kucing yang bermain menjemput, membuka gagang pintu atau masuk ke dalam paket sekuat tenaga sebagai kotak teka-teki laboratorium. Percobaan yang dirancang dengan baik yang memperhitungkan kemampuan fisik kucing dan ciri perilaku kucing bawaan menunjukkan kucing menjadi penasaran, cerdas dan mampu belajar. Tindakan refleks dan pembelajaran yang terkondisi bagus untuk beberapa perilaku, namun jenis pembelajaran yang berbeda diperlukan untuk perilaku yang lebih fleksibel, yang memungkinkan kucing untuk memprediksi konsekuensi dari tindakannya sendiri, dan memodifikasi tindakannya berdasarkan keberhasilan dan kegagalan masa lalu. Ini adalah persyaratan kelangsungan hidup bahwa hewan belajar bahwa beberapa makanan beracun atau terasa buruk setelah hanya satu kesalahan dan kemudian akan menghindari makanan itu. Ini dikenal sebagai Instrumental Learning atau trial-and-error. Di kotak teka-teki Thorndikes, kucing pertama mencakar dan menggaruk tanpa pandang bulu di sisi sangkar, sampai secara tidak sengaja menemukan tuas, senapan dll yang membiarkan mereka keluar. Usaha mereka selanjutnya kurang acak. Beberapa kotak teka-teki cukup rumit. Satu latch membutuhkan pengangkatan dan dorongan simultan, dan di dalam sangkar lain dua atau bahkan tiga kait harus dibuka dengan urutan yang benar. Tidak semua kucing menguasai ini, tapi ada juga yang melakukannya. Keterampilan diperoleh secara bertahap dan Thorndike menyimpulkan Kemiringan kurva waktu secara bertahap, kemudian, menunjukkan tidak adanya penalaran. Mereka mewakili kelancaran jalan di otak, bukan keputusan kesadaran rasional. Ini adalah generalisasi karena beberapa kucing meningkat dengan tiba-tiba dan tidak melakukan kesalahan lebih lanjut bahkan jika bulan berlalu di antara tes. Kami menggambarkan perbaikan mendadak karena sen telah turun atau ada yang diklik. Salah satu kucing saya, Affy, hampir tidak mungkin untuk kereta sampah meskipun sudah 18 bulan berusaha. Suatu hari dia melihat seekor kucing lain menggunakan nampan sampah dan sen pun turun dari saat itu dia menggunakan nampan sampah itu (dia juga belajar melalui pengamatan, sesuatu yang akan dibahas nanti di artikel ini). Pada awal eksperimen psikologis klasik, kucing dengan mudah belajar melepaskan diri dari kotak-kotak teka-teki dengan memanipulasi senar atau tuas dalam urutan tertentu. Setelah mempelajari satu kotak teka-teki, mereka dengan cepat menguasai orang lain karena ada pemilik pelarian kucing yang akan mengonfirmasi. Meskipun mereka belajar memanipulasi tuas dan senar, mereka tidak akan pernah bisa mengetahui rahasia keluar dari kotak saat sang periset membuka pintu ke kotak hanya saat kucing itu menggaruk atau menjilat dirinya sendiri. Jika seekor kucing secara tidak sengaja melepaskan kaitnya dengan ekornya, ia tidak mengetahui apa pun tentang di mana gerendelnya atau bagaimana pintunya dibuka. Mengaitkan tindakan manipulatif naluriah seperti mengais objek dengan konsekuensi eksternal dunia nyata adalah tindakan alami yang otak kucing cenderung untuk mempelajari alamnya (itulah sebabnya mengapa begitu banyak kucing belajar untuk meraup makanan dari kaleng menggunakan kaki mereka seperti ArthursKattomeat kucing). Mengaitkan tindakan perawatan naluriah seperti menjilati atau menggaruk dengan konsekuensi eksternal di dunia nyata sangat tidak alami dan kucing tidak dapat mempelajarinya. Di alam liar, keterampilan yang paling berguna untuk bertahan hidup diperoleh dengan mudah. Lebih mudah melatih seekor kucing untuk mendapatkan hadiah makanan dengan menggunakan bagian normal dari repertoar tingkah lakunya, seperti mengaitkan kembali baut dengan cakarnya (gerakan yang sama digunakan untuk mengusir mangsa yang berlindung di celah), daripada oleh Tindakan yang sewenang-wenang namun langsung, seperti mendorong baut yang sama ke dalam. Kucing secara naluriah tahu untuk mengaitkan semuanya, Namun, kucing terkadang mencari solusi lain: Dalam sebuah eksperimen yang dilakukan oleh Profesor Julius Masserman di Amerika, dua kucing tampaknya telah memikirkan manusia. Mereka dengan sengaja membuat mekanisme yang harus mereka operasikan setiap kali mereka menginginkan makanan. Kucing menemukan bahwa dengan menjepit tuas listrik ke sudut sangkar mereka, pengumpan berfungsi terus menerus, mengeluarkan makanan tanpa usaha lebih jauh dari kucing. Apakah kucing menemukan ini secara tidak sengaja dan mengulanginya, tidak jelas dalam laporan tahun 1950an yang saya miliki. Jika memungkinkan melatih seekor kucing untuk mengoperasikan tuas, tentu saja seekor kucing dapat belajar bagaimana cara menonaktifkan tuasnya. Contoh lain tentang mengaitkan tindakan manipulatif dengan konsekuensi dunia nyata adalah ketika kucing Anda menggaruk dengan sopan di pintu (atau jendela) untuk menarik perhatian Anda sehingga Anda membuka pintu agar masuk atau keluar. Setelah mengetahui bahwa Anda akan membuka pintu untuk itu setidaknya pada beberapa kesempatan, jauh lebih sulit bagi kucing untuk tidak mempelajarinya. Jika Anda mengabaikannya, itu akan hilang dan kemudian coba lagi nanti, jadi untuk melatihnya agar tidak menunggu pintu terbuka, Anda harus mengabaikannya secara konsisten. Salah satu kucing saya, Squeak, mengetahui bahwa menarik cabang tertentu dan melepaskannya sehingga membentur pintu dengan dengung keras bahkan lebih efektif saat membuka pintu. Tentu saja, Squeak tidak tahu bahwa alasan sebenarnya saya untuk membiarkannya masuk adalah menjaga panel kaca tetap utuh. Banyak kucing juga belajar bahwa manusia berkomunikasi melalui vokalisasi dan mereka memodifikasi tindakan manipulatif alami mereka (mengais atau mencakar) dan melayang di pintu atau lemari. sebagai gantinya. Intinya mereka mengaitkan 2 pelajaran (manipulative action vocal communication) dan memodifikasi perilaku mereka sendiri untuk mendapatkan respon yang diinginkan dari manusia mereka. Bukan hanya sekedar tanda kecerdasan, tapi kasus siapa yang melatih siapa Sekarang kembali ke kotak teka-teki. Untuk kucing Anda, pembawa kucing adalah kotak teka-teki. Kucing belajar sisi mana yang memiliki bukaan dan sering belajar mengasosiasikan pengikat tali dan gesper dengan jalan keluar dan pantat, cakar atau gigitan di pintu dan atau pengikatnya. Jika mereka melonggarkannya cukup untuk melarikan diri, pelajarannya cepat dipelajari, sering diulang dan segera diterapkan pada pembawa kucing lainnya - setelah mengetahui ada mekanisme penutupan, kucing tersebut belajar untuk mencari mekanisme penutupan pada kapal lain yang Anda gunakan. Pemilik mengklaim kucing mereka telah belajar untuk buang air kecil di sudut pembawa hewan peliharaan kardus dan melarikan diri melalui bubur kertas yang dihasilkan - apa yang dimulai sebagai kecelakaan gugup dapat dengan cepat menjadi perilaku terpelajar Masalahnya adalah, kucing mungkin tidak kencing untuk membuka Pembawa, kencing karena takut oleh pembawa (setelah belajar mengasosiasikan pembawa dengan pelayanan dokter hewan yang tidak diinginkan) dan pelariannya dari kardus basah merupakan konsekuensi yang tidak disengaja. Kucing gugup yang sama masih kencing di kapal plastik bahkan setelah secara konsisten gagal melepaskan diri dari carrier. Seperti menjilati, kencing adalah perilaku naluriah dan tidak wajar untuk mengaitkannya dengan konsekuensi dunia nyata eksternal. Kecerdasan semacam itu juga bisa jadi kehancurannya. Beberapa kucing, seperti Scrapper saya sendiri (salah satu bunga api yang berkilau lebih terang), jangan pernah pegang tutup kucing itu bisa didorong terbuka ke dua arah setelah belajar mendorong dari satu sisi untuk keluar, mereka dengan canggung menarik tutupnya di sisi yang lain saat Kucing juga termotivasi untuk masuk ke dalam jenis kotak puzzle tertentu. A food cupboard, a carton or a fridge door is also a puzzle box and the cat soon learns which edge of the door to pull at in order to open it. One enterprising Siamese cat learned to bite a hole in a milk carton, as far down the carton as possible, to get the maximum amount of milk out of it Cats view their owners as equals and when a cat tries to please you it does so on its terms, not yours. Cats are also adept at manipulating their owners those whose cats enjoy playing fetching games might reflect on who taught whom the game. In all likelihood, the cat initiated the retrieving game and trained the owner to throw the object. One of my first cats, Scrapper, regularly retrieved his favourite wand-type toy from a bookshelf and brought it to me - but only when Scrapper wanted a game. The following series of photos are from psychological testing of cats at brooklynCollege in the early 1940s. The show cats learning to open the puzzle box to get a food reward. In one experiment, 2 cats co-opearted to haul the food towards them. In another, the cats competed to get to the food before the other. And finally, a kitten learns to navigate a maze. How Cats See the World How intelligence is expressed is largely determined by how the sense organs and motor abilities (e. g. whether it can manipulate objects) operate. Evolution is economical and an animals brain is wired up according to what sensory inputs it can receive and what its limbs are capable of doing. An animals brain is wired up according to what is important for its survival. If it relies on vision for hunting, the brain areas related to receiving and processing visual stimuli will be well developed. If it relies on smell, the region for processing smell will be well developed. An important sense gets more brain-space at the expense of a less important one. The neocortex region (grey matter) of the brain plays a crucial part in learning and is highly specialised according to species. In diurnal humans it contains a large visual area and a large area for fine motor control of our hands. We excel at intelligence tests that require visual abilities and fine manipulation of objects. Cats are crepuscular (active at duskdawn) and rely particularly on their hearing, hence a large region of neocortex is devoted to processing sounds. This is enhanced by their highly mobile ears. The importance of hearing is evident in blind cats, many of which can catch prey or chase toys, relying entirely on sound. Most humans have excellent colour vision, about 120 o of stereoscopic vision (giving good depth perception), relatively good hearing in a limited frequency range (but not mobile ears) and a comparatively poor sense of smell. We find it hard to imagine how other animals with differently tuned senses perceive the world and intelligence tests were geared towards creatures with human-like sensory abilities. Cats perceive the world quite differently. Like humans, they have forward facing eyes and stereoscopic vision and can judge size, distance and depth essential for stalking and pouncing on prey. Cats have about 90 o to 130 o of stereoscopic vision, depending on breed-specific traits such as face shape. Otherwise, they view the world quite differently. Intrusive studies measuring electrical nerve impulses in cats brains show their colour perception is very different. Animals with poor colour vision, do poorly at learning tests which require them to distinguish between different coloured objects. In brief, the human retina (back of the eye) has three types of cone cell (colour receptors) sensitive to red, green and blue. Nerve cells pick up the relative amounts of red, green and blue and our brain translates this into the various colours of the spectrum. We can distinguish around 100 distinct hues. The other type of cell in the retina are rods these are sensitive to light and dark. Because we evolved for daytime living, we have relatively few rods and hence have poor vision in dim light. Cats have cones sensitive to green and blue, but few, if any, cones for red. To a cat, red, orange, yellow and green are seen as one colour. Blue and violet are seen as another colour. Other hues are variations on these two colours (much as monochrome photos are different shades of grey). They can tell that a red object is not black, grey or white, but cannot distinguish it from a green object. Cats are more active in dim light where colour vision is less important than good night vision, so much more of the retina is given over to rod cells. They have enough colour vision to help them spot camouflaged predators, but most owners will have noticed how cats often miss toys (or prey) until the object moves. This is because rods are also very good when it comes to detecting movement (the pattern of light and shade changes when something moves). Cats have other adaptations for dim light. Behind the retina is a reflective layer called the tapetum lucidum. This bounces light back through the retinal cells, amplifying available light (like night-sight binoculars). This is what makes cats eyes glow yellow-green in car headlights or flashlit photos. Cats have different visual acuity (sharpness) to humans. Acuity is linked to the size and structure of the eye. High visual acuity give a sharper image while lower visual acuity gives a grainier image. Humans can pick out very fine patterns of stripes before the image blurs into solid grey. Testing animals visual acuity involves measuring brain-wave patterns from electrodes implanted into the brain while the animal is shown a striped image. The stripes are continually narrowed until the signal from the animals visual cortex undergoes a characteristic change, showing that it sees a grey image instead of stripes. A less intrusive method involves training the cat to pick a striped card in preference to a solid grey card, the limit of visual acuity is the point where the success rate is 5050 for picking the right card. Cats visual acuity is between 4 and 10 times worse than humans. In medical terms, cats have 2080 vision meaning that what a normally sighted human can see well at 80 feet, a cat can only see in as much detail at 20 feet. Other visual experiments show that cats can distinguish visual textures, for example they can distinguish a triangle of vertical lines from a background of horizontal lines. This helps explain why zebra have vertical stripes to blend with vertical lines of the background (trees, tall grass) - a horizontally striped zebra would stick out like a sore thumb to a lion Cats also see subjective contours. In the diagrams below, when the three-quarter white circles are properly aligned, an optical illusion produces a black square in the middle of them. When they are randomly aligned, there is no square. Cats can discriminate between the visual illusion and the random patterns. Cats supplement their sense of vision with extremely sensitive sense of touch thanks to their whiskers (vibrissae). It is general belief that the large cheek whiskers gauge the width of a hole so a cat can tell if it is large enough to get through. As well as the prominent cheek whiskers, cats have smaller whiskers on the muzzle, whiskers above the eyes and whiskers on their lower legs. A blind cat can feel its way over and around obstacles with great precision. The large number of nerves devoted to these whiskers occupy a disproportionately large area of the cats mental map of its own body (much as the nerves devoted to the hands and fingers dominate in humans). A cats sense of smell is far better than that of humans, but is far less than that of dogs. It is, however, good enough that smells imperceptible to us can confound experiments using cats. Hidden food is not so hidden if you are a cat and can smell it. Cats can detect food going stale (and refuse to eat it) long before we can. Smell is an important sense in animals that mark their territories with urine or faeces or that recognise places and individuals by smell. Cats have excellent hearing and can hear sounds up to about 60,000 Hz while humans (with a few unusual exceptions) can only hear up to bout 20,000 Hz. This means cats can hear the ultrasonic noises made by rats and mice. In addition, they can pinpoint a sound source to within about 8 o thanks to their swivelling ears. Cats have relatively intricate brain wiring for control of their paws compared to dogs. They are surprisingly dextrous when seizing and manipulating objects. This is most obvious in polydactyl (extra-toed) cats as these often their paws to grasp objects. Photographs and X-rays of cats paws in action show several methods of handling an object: it may be pierced with just the claws, held between a claw and pad of the paws, or sometimes held between the paw pads without the use of the claws at all. Cats have some ability to move the digits (toes) of their paws separately, again this is most evident in polydactyl cats. When a cat reaches out to grab an object, it pre-shapes its grip, much as we do, giving it a much better chance of catching and holding the object. Gripping is therefore not simply a mindless reflex action in response to something touching the paw pad. Early Learning and Slowing Seniors Psychologists originally believed that animals like cats and humans are born helpless and dependent and develop the ability to learn later in life. Even helpless human babies are learning the physical rules of the world around and their innate language module is acquiring language. Exhaustive developmental studies in kittens have found that cats also have an innate mental ability to learn that is present from the start. Cat workers often comment that kittens develop a preference for suckling from a particular nipple on their mother. Days old kittens can be trained to preferentially suckle from one of two artificial nipples distinguished by texture, location or smell. Using an artificial mother, consisting of a carpeted surface with two rubber nipples, a 2 day old kitten can learn to distinguish between a nipple that delivers milk, and one that does not, based on its texture alone. Discrimination based on odour is possible just one day later. Kittens in pooled litters can also discriminate between its own mother and other lactating females if it is in a pooled litter and between its mother and an artificial nipple. Despite their mothers protectiveness, kittens have to learn quickly. Orientation develops in the first week. For the first few days, if a kitten is removed from the nest it simply crawls in circles wherever it is. Six day old kittens (i. e. eyes not yet opened) can orient themselves towards the nest in response to the smell of their mother or littermates. By the end of their first week, they have learnt to distinguish by scent the home region of their cage or pen from other parts of the cage. At 2 weeks old, they can orient themselves over a distance of about 3 metres and they begin to explore. Visual cues take over from scent cues at around 3 - 4 weeks. The innate behaviours displayed by kittens are based on inherited patterns, but these behaviours are modified, supplemented and altered, in both the long and short term, by learning. What determines learning ability is not so much innate brainpower as behavioural development i. e. the ability to take in and process information so it does something useful in the real world. Right from birth, animals, are predisposed to find certain things and certain associations important. They are motivated to explore and learn these important things (or at the very least not to shun those things, even if the exploration stage doesnt happen until they are more mature). Early experiences interact with natural instincts and shape the ability to learn later on. Cats also have different personality types which both affect their willingness to learn and which are affected by early experiences in life. Kittens brought up with other animals, a vacuum cleaner, plenty of people and other household objects are more confident in later life than kittens brought up in a quiet home with only one person. Just as you cant teach an old dog new tricks, elderly cats are less able to learn. Many geriatric cats suffer a cognitive dysfunction syndrome similar to Alzheimers disease and often referred to as feline senility. They are easily disoriented, forgetful, they show compulsive behaviours (one of my senile cats had to be confined because she compulsively walked in a more-or-less straight line until she grew tired and simply sat down), sleep erratically, may forget their litter-training or become incontinent. On a molecular level feline senility resembles Alzheimers: plaques of a chemical called beta-amyloid appear in the brain. This interferes with the normal action of neurotransmitters (brain chemicals that relay nerve signals) and is also toxic to nerve cells so that nerves are killed off. Even those cats which dont become senile become slower to learn new things. Studies have found that cats over the age of 10 years are often incapable of learning the basic Pavlovian associations that young cats learn easily. Pavlovian associations are named after the famous Pavlovs dogs experiment where dogs learned to associate a ringing bell with getting a meal and automatically salivated when the bell was rung. Though the older cats were awake and fully alert and their perceptual nerves were supplying the right inputs to their brains, their brains didnt process things as efficiently compared to younger cats. There is a link between learning, brain activity and sleeping. Researchers have found that different patches of the brain can be in different sleep states at the same time. Sleep regulatory biochemicals build up in the brain during wakefulness and help trigger the transition into sleep. They build up faster in parts of the brain that are most active during wakefulness. The harder a brain region works during the day, perhaps learning a task, the harder that brain region has to sleep at night. Cats that are kept in the dark during wakeful hours have to rely heavily on their whiskers to find their way around they have unusually shallow non-REM sleep in the visual cortex, but much deeper non-REM sleep in the part of the cortex dealing with touch. Self-Centred Mental Maps Some of the apparently stupid things that cats do can be explained by how they mentally map out their world. A cats world is three-dimensional (includes shelves, tree branches) and is partly mapped by smells which represent territorial boundaries or signposts. The apparently circuitous route a cat might take to get from A to B is not due to stupidity it is due to the cat avoiding other cats territories or stopping to check out (or deposit) scents which announce its presence, age, health and breeding status to other cats. These are things to be taken into account when understanding how cats map out their world. The simplest type of orientation relies on directly seeing the goal, or a step-by-step route based on landmarks (turn left at the tree, turn right at the fence etc). Simple orientation systems are error-prone - if a landmark is removed, the is animal immediately lost something owners of blind cats are well aware of (although blind cats will attempt to find another landmark so they can reorient themselves). Cats use a mix of these methods and construct mental maps of their surroundings, the more thoroughly they have explored, the better their mental map. Cats can also construct mental maps based on a brief view of relevant features, but these are not remembered for more than a few minutes. Mental maps allow cats to take short cuts, cutting across fields instead of sticking to the edges. If given a choice, cats opt for the shortest route to an out-of-sight goal. If there are several equally short routes, they tend to use the one that starts off by pointing in the direction of the goal - something we ourselves do. Minimising the number of twists and turns in a route affects the choice, but is less important than distance and initial direction. When it comes to finding its way around, a cat learns best by doing, not just by seeing. French comparative psychologists, influenced by the theories of the developmental psychologist Jean Piaget, are interested in how (and whether) various species develop object permanence. Piaget noted that human infants go through various stages of understanding the physical laws of the world. At first, they lose interest when a toy is hidden or taken out of sight and they make little effort to search for it. Once it is out of sight, it has ceased to exist. Older infants will search for something that partially or completely disappears but may not understand where to look. If they see someone hide the object behind a screen, they will not know to look behind the screen but may instead look in a place they previously found it. As they grow older, they will know to look behind the screen and at around 18 months of age they can follow a series of invisible displacements: Invisible displacements are when someone hides the ball in a cup, takes the cup behind the screen and takes the ball out of it, then takes the cup back to the infant and shows that it is empty. The infant reasons that the ball is behind the screen. Piaget termed this Stage 6 object permanence. Object permanence is a useful skill for animals that need to be aware of the most likely location of prey that has gone to ground. If prey becomes temporarily invisible, a cat first searches for it under or behind the place where it disappeared, but if this is unsuccessful it starts searching the nearest available cover. Cats familiar with their territories know and search the most likely hiding places. Cats sometimes appear unable to solve simple invisible displacement using hidden toys because the apparatus used to hide the toy is equally interesting to the cat Even though it knows the toy is under a cloth, many cats will play with the cloth (regarded as a new and therefore more interesting toy) rather than hunt the hidden toy. If you roll a ball under a floor-length drape, many cats get distracted and end up playing with the moving drape because it is a new game. Early experiments suggested cats never reach Stage 6 object permanence. Owners often disputed this finding, based on games with cat toys being lost, hidden or retrieved behind sofas More recent and better designed studies show that they do reach Stage 6. The cats were tested in their familiar home surroundings and the screens were left around for a week in advance so the cat got used to them and also so they learnt there were no toys hidden behind them. The cats were first taught that whenever they touched their noses to a particular toy they got a food reward. For the actual test, a cat was lightly restrained by its owner and two screens were positioned in front of it. In full view of the cat, the experimenter put the toy in a cup, secretly removed the toy behind one of the screens, and then placed the empty cup in front of the cat. The at was released and, in nearly every trial, went straight behind the screen where the toy had been hidden. The screens were moved from trial to trial and were replaced with new screens of a different appearance, but the cats still got the right answer, proving that they had not just learned a local rule but had generalised the solution. Objects do not simply cease to exist and if the object was in the cup before it went behind the screen, but was not in the cup when it emerged again, then the object must logically be behind the screen. In another test, a cat watched food being hidden in a cup, and the cup was then hidden in turn under three covers, after which the empty cup was shown to the cat. To eliminate scents, the food was not actually deposited under the last cover, but was palmed by the researcher. In one test as soon as the cup was removed from under the final cover and shown to be empty, the cat hurried to this cover (not to the researchers hand). It persistently pushed back the cover until the place where the food should have been was entirely revealed. Not finding any food, it pawed at the cover and tried to push its face underneath for several more minutes. When confronted by prey that has gone to ground, it pays to be persistent (within reason). In a more complex series of experiments, all sorts of disorienting visual tricks were played between the time the cats saw a toy hidden behind one of several identical-looking screens and the time they were allowed to search for it. In one test, the toy was first placed behind the rightmost of 3 screens. The cats view was momentarily blocked and all the screens were slid over to the right by a distance exactly equal to the spacing between them. In another test, the cat looked into the experiment chamber from the doorway and after the toy was hidden, the cats view was blocked while he entire room (walls and all) was shifted to the right. In spite of these tricks, when the cats were released to look for the toy, they found it by using an absolute sense of position (a course and bearing from its own position) rather than a relative one. They did not look for it behind what was now the rightmost screen, instead they looked behind the screen that now occupied the precise spot in space that the rightmost screen had previously occupied when the toy was hidden. A cats sense of space is egocentric - they remembered where the toy was placed relative to their own fixed position in space, and not by the toys position relative to a landmark. When the experiment was set up to make egocentric spatial reasoning impossible, the cats were forced to orient themselves using landmarks. From a central doorway, the cats observed the toy being hidden. However, they could only enter the room by taking a detour through an L-shaped tunnel, entering the room through a door to either the left or the right of the one they had watched from. Unable to use an absolute sense of position. These cats successfully located the toy using landmarks. If the egocentric cues and the landmark cues conflicted, the cats trusted to their own cat-centred co-ordinates. Cats form a mental map of their environment, but instead of mapping landmarks (the church is 300 ft to the left of the shop, the shop is a mile north of the farm) a cats mental map has the cat in the middle and everything else is relative to the cats position. This explains why cats do some apparently stupid things, such as failing to cotton on to a moved litter tray even if they watched you move the litter tray a moment ago, and why they are such creatures of habit. It takes time to adjust the egocentric co-ordinate system, hence moving the litter tray should be done by shifting it a foot or so each day and moving the feeding station should be done by establishing two feeding stations and only removing the old one when the cat has got a co-ordinates fix on the new one. Its not that cats are stupid, its just that their internal maps is different from ours. The Feline Time-Space Continuum Many species have specialised modules of the brain for certain tasks. Species which cache nuts and seeds for the winter have a phenomenal spatial memory (and a correspondingly large hippocampus region of the brain). London taxi-drivers who have to remember lots of routes and street locations also tend to have a relatively large hippocampus. Humans have a highly developed language module and human infants can acquire language, complete with rules of grammar, just by listening to it. Border Collies instinctively herd things. Experiments to assess animal intelligence often overlook or dismiss them innate or instinctive skills as being unrelated to intelligence. Instinctive skills may still require a huge amount of brainpower by hardwiring them as instincts, the animal is spared the overhead of having to learn them from scratch, but it must still hone these skills. Cats instinctively hunt things. Even if they dont hunt prey, they show hunting behaviour when playing with toys, playing with other cats or playing with owners. Hunting involves knowing where to find prey, following the motion of fast-moving prey and co-ordinating the motion of paws and jaws to seize the prey. As kittens, a lot of feline play is geared to honing these instincts. The basic hunting skills are hard-wired into the cats brain. Even if a cat has never hunted, the pounce-and-bite behaviour can be triggered by stimulating the appropriate part of the brain with an electrode inserted into it (like the poor feline robots described by Fernand Mery). The behaviour is automatic and even if the cat is not hungry it will still react to the stimulus whether it is an electrode or the sight and sound of prey. In the wild, a cat cannot afford to pass up a chance to catch a meal (in the wild, a cat is rarely so well fed it cant manage another meal). Many owners have seen their cats watching nature programs on TV. Most cats quickly put the TV into the same mental category as a window - they can see and hear the animals, but cant reach them. After one or two investigations behind the TV or the speakers, they learn that the animals stay inside the box. After that they dont bother checking for escaped TV animals again, or at least dont expect to find anything if they do check - when you are a cat, it cant hurt to be absolutely sure there isnt a snack-sized wildebeest behind the TV The interesting thing is cats recognise TV images of wildebeest as being potential prey. The secret is they recognise how animals move. Cats can tell the difference between the motion of a living thing such as a mouse or a TV image of a wildebeest and the motion of an inanimate object such as a blown leaf or a rolled ball. In one experiment, cats were shown moving images on two computer screens. One image contained 14 dots that represented the outline of a walking or running cat. The other contained 14 randomly moving dots. The cats consistently distinguished between the interesting animal motion dots (animals food potential) and the less interesting random dots. However, if the animal motion computer screen was turned upside down, the cats could no longer distinguish it from the random motion screen. To a cat, animals running upside down make no logical sense. Modern AI programmes have problems recognising animal motion dots even when they are the right way up. A famous specialised feline instinct is that of landing on all four feet, known as the self-righting reaction. In experiments, young kittens were dropped 40 cm (16 inches) onto a cushioned surface. At 4 weeks old, they lacked the ability to right themselves. Between 4 and 6 weeks old their self-righting ability developed and improved until at 6 weeks old they consistently landed on their feet. Though the instinct is hard-wired into the cats brain, it has to be honed and the usual time for honing it is when curious kittens fall out of trees or off of furniture. In cats with normal motor abilities, but certain types of brain damage, the self-righting reaction is lost and seemingly cannot be learnt from scratch (noted through observations of pet cats). Adult cats have been trained to demonstrate their self-righting ability for time-lapse photography. Having worked out the distance they are falling (the same every time), some cats became lazy and left self-righting to the last moment These lazy cats demonstrate that cats have a remarkable sense of time as we will see later on. Some animals, such as the seed-hiding birds and fruit-eating monkeys, have excellent spatial intelligence. They can find their way to a series of fixed sites (caches or trees) using the safest or most efficient routes. In addition, some animals optimise their routes so they visit the richest food sites first. Cats are opportunist hunters and do not follow such carefully planned routes. They probably dont decide in advance what sort of prey they are going to hunt. Of those cats that rely on hunting, for example farm or feral cats, they spend only a few hours each day hunting and the typical hunting trip is less than 30 minutes. This was reflected in laboratory experiments which show that learning certain kinds of spatial relationships does not come naturally to most cats due to the egocentric mental maps (and the use of scent markers on vertical surfaces). Though complex spatial relationships may not come naturally to cats, remembering a simple location does. Having learned that prey (or cat food) is usually to be found in a particular location, cats will return to the location. Moreover, they associate the availability of food with a time of day or time interval: cats are very good at time calculations as the owners of furry feline alarm clocks with no snooze button can confirm. Cats appear to calculate how much time to invest in hunting and can discriminate time intervals with an impressive degree of precision. For a cat, the time interval between hunting trips and the energy expended on a hunting trip are more important than the spatial relationship between areas where food is obtained. Cats can tell the difference between a sound that lasts 4 seconds from one that lasts 5 seconds and can learn to delay their response to a stimulus by several seconds, down to an accuracy of one second. This means they have an internal clock, with a one second accuracy, that can be used to time both external and internal events. In one experiment, cats were placed in cages for either 5 seconds or 20 seconds. When released, they were rewarded with a food treat that would always be hidden in the left-hand feeder if they had been in the cage for 20 seconds and in the right-hand feeder if they had been in the cage for 5 seconds. If the cat went to the wrong feeder, it was counted as an error. After training 14 cats, using 400 - 1000 repetitions of the drill each (depending on the cat), all 14 cats could pick the correct feeder more than 80 of the time. The researchers then shortened the 20 second trials to see if the cats could still tell the difference between a long wait and a short wait. 7 of the cats could discriminate a 5 second interval from an 8 second interval. In another experiment cats were trained to press a bar a number of times to open a food tray having gained access, they could eat as much as they wanted at that sitting. At first it took 40 presses to gain access to the food. As the number of bar presses required for the food tray to open was increased (up to 2560), the cats responded by eating fewer meals each day, but eating more at each sitting. The cats were not counting the presses (well look at number sense later on), they simply continued pressing the bar until the food tray opened. For a cat to press a bar 2560 times shows a remarkable level of patience and persistence. The trade off was to expend less effort but more often, or expend more effort but less frequently. Researchers then varied the number of bar presses from one meal to the next, the cats calculated the average price per meal. They amount they ate at a given meal was related to the average number of times they had pressed the bar in the course of a whole day or over a period of several days, not to the number of times they had pressed it for that particular meal. According to psychology lecturer Britta Osthaus at the University of Exeter, cats do not understand cause and effect. She expert attached fish and biscuit treats to one end of a piece of string and placed these under a plastic screen to see if the cats were able to work out that pulling on the string would pull the treat closer. The cats were tested using a single baited string, two parallel strings where only one was baited, and two crossed strings where only one was baited. All cats succeeded at pulling a single string to obtain a treat (93 of the time) showing they were able to learn the connection between the string and the treat, but none of the cats consistently chose the correct string when two strings were parallel. When tested with two crossed strings one cat chose the wrong string consistently and all of the others performed at chance level. According to Osthaus, dogs were able to solve the parallel string test, but cats werent. This test was flawed. Firstly, cats are less food motivated as dogs, and are as likely to be interested in the string as a toy as in achieving a treat. Secondly, the comparison with dogs was also incorrect as another paper, co-authored by Osthaus - if the strings were placed at an angle or were crossed, the dogs tended to paw or mouth at the location closest in line with the treat. In other words, both cats and dogs understood the means-end connections involving strings, but they were both unable to understand crossed strings - something very different from failing to understand cause and effect. Dogs evolved as pack hunters that may select a single animals from a herd - not dissimilar from selecting a string that will give a food-reward. Cats evolved to stalk single prey rather than making choices in that way. If a cat has previously found a mouse at a certain mouse-hole, it makes sense for the cat to check that empty mouse-hole again as other mice may be there. In this way of thinking, it makes sense for the cat to check the empty string that previously had a food payoff. Dogs make choices when pursuing prey, cats investigate all available bolt-holes. If you design a test that favours the dogs natural behaviour and view of the world then the dog will appear to perform better. Pet cats have learnt how to open doors using door-knobs and experimental cats have learnt to dispense food using a lever both instances of cause and effect. When cats do deign to co-operate on traditional animal intelligence and learning tests, they perform quite well. As cat owners well know, cats clearly indicate when they are bored of the game, which means a lot of patience is needed on the part of the testers. Cats do not like frustration and will often give up or select random answers when faced with situations where there is no clear path to a pay-off. In the wild, a cat frustrated by elusive prey will eventually go and hunt something easier instead it makes a trade-off between time and energy spent and the likelihood of a worthwhile meal. In intelligence testing, cats learn to learn when rewarded for their efforts, but they will learn to not bother learning when faced with problems with unclear goals and no guarantee of a reward. L. T. Hobhouses experiments consisted of simple puzzles that his animals had to solve to get a food reward, though he noted that the cats innate nature made it a difficult subject. My first experiment was with my cat Tim, a small black tom, rather more than a year old. Tim is a sociable creature, who follows his friends about in the half dog-like way that some cats have, but as a psychologist he has two great defects. His attention is of the most fickle order, and what is even worse, he gets his meals at the most irregular times, and by methods known only to himself. It is therefore impossible to say beforehand whether he will take any sustained interest in the proceedings at all. Here is one of Hobhouses experiments: A piece of meat was placed on a card to which a string was tied, and then placed on a shelf beyond reach of the animal with the string dangling down. I first tried this with Tim, thinking that a young cat would very likely pull the string in play. I was surprised to find that he took no notice of it. I showed him seven times, pulling the string down before his eyes, and letting him get the meat. Neither this, nor a series of trials in which the card was placed on the table barely out of the cats reach, had the slightest effect. The kitten once grabbed the string as I was arranging the card, probably in play, and brought the card down without the meat. For the rest, he either made no attempt at all, or tried to claw at the meat directly. About a fortnight afterwards I began a long series of trials in which the string was tied to a chair leg to make it more conspicuous. Fourteen trials gave no result. Next day, eight trials passed without result, but at the ninth, the cat bit slightly at the string close by my fingers as I adjusted it, and as soon as I had got it right, pawed the string down. The biting was doubtless due to the string being slightly smeared with fish, but the effect was apparently to call the cats attention to the string for the first time in all this long series. It is clear that, in pawing it, his aim was to get the fish on the table. If he had merely been attracted by the smear on the string, he would have used his mouth. At the next trial, he sat still for a while, and then pawed the string again. At the next, he took to washing himself, and I gave up for a time but on replacing the string I saw him watching me, and he pulled it down at once. In the next trial he did the same. Next day he appeared to have forgotten, but walked under the string and knocked it down with his tail. At the second trial, he slightly brushed against the string, but walked away. I had to rearrange it. He watched me doing so, and pawed it down at once. He then pulled it five times running without hesitation. The cat, it seemed, treated the experiment as a game (although Hobhouse did not actually say this). There are reasons for its repeated failure to understand what was expected of it. It might have had difficulty recognizing the relevance of the thin string, particularly as cats are long-sighted and it might not have been able to see the string properly. Alternatively, the first time it pulled the card down there was no reward and the cat immediately lost interest it was much more interested in the smell of fish later on. On a later occasion, the reward of fish came at the first attempt and the cat was then quick to learn the trick. Hobhouse had discovered how easily cats are demotivated. In one set of experiments cats are presented with a pair of mismatched wooden figures which might differ in shape, size or colour e. g. a black square to the left of a white circle. The cat chooses one or other object by nosing it and every time he picks, for example, the black square on the left hand side, he is rewarded with food. Once the cat consistently picks the black square, the experimenters randomly switch the black square to the left or right of the white circle. After much patient repetition, the cats get the hang of picking the black square rather than whatever shape is on the left hand side (the success criteria is picking the correct shape 80 of the time since most cats occasionally check out the other shape, just in case). Later the white circle might be exchanged for a different shape such as a white triangle, or even a white square, and the cat learns to pick the original black square no matter what the other shape is. Similar object discrimination tasks have been used to assess other aspects of feline intelligence, not just whether it can tell the difference between shapes, colours and textures. Having learnt the correct solution to one such object discrimination problem, cats can learn to generalise from the experience. They catch on faster to similar object discrimination problems. To begin with, each new pair of objects requires dozens of repetitions before cats hit the magical 80 mark. After mastering about 60 different object discrimination problems, many cats will hit the 80 mark after only 10 trials. In other words, the cats have learnt that the rules of the game are to work out which of 2 objects results in a reward. Cats can extrapolate from right answers, but are not so good at extrapolating from wrong answers and end up becoming discouraged, bored and unco-operative if they keep getting a test wrong. If the test cat is lucky enough to get the right answer and its reward on the first try, he masters the problem much faster than if he picks the wrong, unrewarded answer the first try. This is not due to lack of intelligence, but is to do with a hunting animals innate behaviour. If a mouse is not found at the first location a cat visits, the cat does not automatically visit the second location - cats are opportunist hunters and do not follow fixed search patterns. By contrast, foraging animals visit a fixed set of likely food sources, starting with the most likely food source first. Cats wont tolerate frustrating situations for long and quickly give up or become indifferent when there is no clear path to a reward. So they have a harder time with a problem where they have to learn to pick an object on a given side, either the left or right, depending on which of two possible pairs of identical objects (e. g. 2 black squares versus 2 white circles) is presented. This problem has no equivalent in the cats natural world, so they have difficulty learning what is expected of them. Many cats eventually learn to solve tough problems like this, but their performance is generally only better than chance. They also have more problems extrapolating from right answers when presented with a new tough test. Cats that are given a mix of simple and tough problems catch on faster to the tough problems than do cats who are given a straight course of nothing but the tough problems. One cat who had only ever been presented with tough hard problems, never learnt to master a simple blackwhite discrimination task despite 600 trials. With no equivalent challenge in nature, cats presented with only tough tests become demotivated and appear content to get an occasional handout when they choose the right answer by chance. In certain types of test, intelligent cats are content to underachieve - a problem with the design of the test, not with the cats intelligence FELINE INTELLIGENCE PAGE 2Moving Average: What it is and How to Calculate it Watch the video or read the article below: A moving average is a technique to get an overall idea of the trends in a data set it is an average of any subset of numbers. Rata-rata bergerak sangat berguna untuk meramalkan tren jangka panjang. Anda bisa menghitungnya untuk jangka waktu tertentu. Misalnya, jika Anda memiliki data penjualan selama dua puluh tahun, Anda dapat menghitung rata-rata pergerakan lima tahun, rata-rata pergerakan empat tahun, rata-rata pergerakan tiga tahun dan sebagainya. Analis pasar saham akan sering menggunakan rata-rata pergerakan 50 atau 200 hari untuk membantu mereka melihat tren di pasar saham dan (semoga) meramalkan posisi saham. Rata-rata mewakili nilai 8220middling8221 dari serangkaian angka. Rata-rata bergerak sama persis, namun rata-rata dihitung beberapa kali untuk beberapa himpunan bagian data. Misalnya, jika Anda menginginkan rata-rata pergerakan dua tahun untuk kumpulan data dari tahun 2000, 2001, 2002 dan 2003, Anda akan menemukan rata-rata untuk subset 20002001, 20012002 dan 20022003. Rata-rata pergerakan biasanya diplot dan paling baik divisualisasikan. Menghitung Contoh Rata-rata Bergerak 5 Tahun Contoh Soal: Hitunglah rata-rata pergerakan lima tahun dari kumpulan data berikut: (4M 6M 5M 8M 9M) 5 6.4M Penjualan rata-rata untuk subset kedua selama lima tahun (2004 8211 2008). Yang berpusat di sekitar tahun 2006, adalah 6.6M: (6M 5M 8M 9M 5M) 5 6.6M Penjualan rata-rata untuk subset ketiga selama lima tahun (2005 8211 2009). Berpusat di sekitar tahun 2007, adalah 6.6M: (5M 8M 9M 5M 4M) 5 6.2M Lanjutkan menghitung setiap rata-rata lima tahun, sampai Anda mencapai akhir himpunan (2009-2013). Ini memberi Anda serangkaian poin (rata-rata) yang dapat Anda gunakan untuk merencanakan grafik moving averages. Tabel Excel berikut menunjukkan rata-rata bergerak yang dihitung untuk 2003-2012 bersamaan dengan kumpulan data yang tersebar: Tonton video atau baca langkah-langkah di bawah ini: Excel memiliki add-in yang kuat, Data Analysis Toolpak (cara memuat Data Analysis Toolpak) yang memberi Anda banyak pilihan tambahan, termasuk fungsi moving average otomatis. Fungsi ini tidak hanya menghitung moving average untuk Anda, tapi juga grafik data asli pada saat bersamaan. Menghemat banyak penekanan tombol. Excel 2013: Langkah Langkah 1: Klik tab 8220Data8221 dan kemudian klik 8220Data Analysis.8221 Langkah 2: Klik 8220Moving average8221 dan kemudian klik 8220OK.8221 Langkah 3: Klik kotak 8220Input Range8221 dan kemudian pilih data Anda. Jika Anda menyertakan tajuk kolom, pastikan Anda mencentang Label di kotak Row pertama. Langkah 4: Ketik interval ke dalam kotak. Interval adalah berapa banyak poin sebelumnya yang ingin Anda gunakan Excel untuk menghitung rata-rata bergerak. Sebagai contoh, 822058221 akan menggunakan 5 titik data sebelumnya untuk menghitung rata-rata untuk setiap titik berikutnya. Semakin rendah jeda, semakin mendekati rata-rata pergerakan Anda ke kumpulan data asli Anda. Langkah 5: Klik di kotak 8220Output Range8221 dan pilih area pada lembar kerja yang Anda inginkan hasilnya muncul. Atau, klik tombol radio 8220New worksheet8221. Langkah 6: Centang kotak 8220Chart Output8221 jika Anda ingin melihat diagram kumpulan data Anda (jika Anda lupa melakukan ini, Anda dapat selalu kembali dan menambahkannya atau memilih grafik dari tab 8220Insert8221.8221 Langkah 7: Tekan 8220OK .8221 Excel akan mengembalikan hasil di area yang Anda tentukan di Langkah 6. Tonton video, atau baca langkah-langkah di bawah ini: Contoh masalah: Hitung moving average tiga tahun di Excel untuk data penjualan berikut: 2003 (33M), 2004 (22M), 2005 (36M), 2006 (34M), 2007 (43M), 2008 (39M), 2009 (41M), 2010 (36M), 2011 (45M), 2012 (56 juta), 2013 (64 juta). 1: Ketik data Anda menjadi dua kolom di Excel Kolom pertama harus memiliki kolom tahun dan kolom kedua dari data kuantitatif (dalam contoh ini masalah, angka penjualan). Pastikan tidak ada baris kosong dalam data sel Anda. : Hitunglah rata-rata tiga tahun pertama (2003-2005) untuk data. Untuk contoh ini, ketik 8220 (B2B3B4) 38221 ke dalam sel D3 Menghitung rata-rata pertama Langkah 3: Tarik kotak di sudut kanan bawah d Miliki untuk memindahkan formula ke semua sel di kolom. Ini menghitung rata-rata untuk tahun-tahun berikutnya (misalnya 2004-2006, 2005-2007). Menyeret formula. Langkah 4: (Opsional) Buat grafik. Pilih semua data di lembar kerja. Klik tab 8220Insert8221, lalu klik 8220Scatter, 8221 lalu klik 8220Scatter dengan garis dan spidol yang halus.8221 Grafik rata-rata bergerak Anda akan muncul di lembar kerja. Lihat saluran YouTube kami untuk mendapatkan lebih banyak statistik bantuan dan tip Moving Average: Apa itu dan Cara Menghitungnya terakhir diubah: 8 Januari 2016 oleh Andale 22 pemikiran tentang ldquo Moving Average: Apa itu dan Cara Menghitungnya rdquo Ini adalah Sempurna dan sederhana untuk berasimilasi. Terima kasih untuk pekerjaan ini sangat jelas dan informatif. Pertanyaan: Bagaimana seseorang menghitung rata-rata pergerakan 4 tahun Tahun berapa pusat rata-rata bergerak 4 tahun di atasnya akan berpusat pada akhir tahun kedua (yaitu 31 Desember). Dapatkah saya menggunakan penghasilan rata-rata untuk meramalkan penghasilan masa depan siapa tahu tentang berpusat berarti tolong beritahu saya jika ada yang tahu. Ini berarti kita harus mempertimbangkan 5 tahun untuk mendapatkan nilai rata-rata di pusat. Lalu bagaimana dengan sisa tahun jika kita ingin mendapatkan rata-rata tahun 20118230 karena kita tidak memiliki nilai lebih lanjut setelah 2012, lalu bagaimana kita menghitungnya? Tidak ada info lagi, tidak mungkin untuk menghitung MA 5 tahun untuk 2011. Anda bisa mendapatkan rata-rata pergerakan dua tahun sekalipun. Hai, terima kasih atas videonya Namun, satu hal tidak jelas. Bagaimana melakukan ramalan untuk bulan-bulan mendatang Video menunjukkan perkiraan untuk bulan-bulan dimana data sudah tersedia. Hai, Raw, I8217m sedang mengembangkan artikel untuk memasukkan peramalan. Prosesnya sedikit lebih rumit daripada menggunakan data masa lalu sekalipun. Lihatlah artikel Duke University ini, yang menjelaskannya secara mendalam. Salam, Stephanie terima kasih untuk penjelasan yang jelas. Hai Tidak dapat menemukan tautan ke artikel Universitas Duke yang disarankan. Request to post the link againPredictive Analytics with Microsoft Excel: Working with Seasonal Time Series In This Chapter Simple Seasonal Averages Moving Averages and Centered Moving Averages Linear Regression with Coded Vectors Simple Seasonal Exponential Smoothing Holt-Winters Models Matters get incrementally more complicated when you have a time series that8217s characterized in part by seasonality: the tendency of its level to rise and fall in accordance with the passing of the seasons. Kami menggunakan istilah musim dalam arti yang lebih umum daripada makna sehari-harinya di tahun8217 empat musim. Dalam konteks analisis prediktif, satu musim bisa menjadi satu hari jika pola diulang setiap minggu, atau satu tahun dalam hal siklus pemilihan presiden, atau hampir di antara keduanya. Pergeseran delapan jam di rumah sakit bisa mewakili satu musim. Bab ini membahas bagaimana menguraikan deret waktu sehingga Anda dapat melihat bagaimana musimannya beroperasi terlepas dari trennya (jika ada). Seperti yang Anda harapkan dari materi dalam Bab 3 dan 4, beberapa pendekatan tersedia untuk Anda. Rata-rata Musiman Sederhana Penggunaan rata-rata musiman sederhana untuk model rangkaian waktu terkadang memberi Anda model data yang cukup kasar. Namun pendekatan ini memperhatikan musim di kumpulan data, dan teknik ini mudah dikenali dengan lebih akurat daripada teknik peramalan eksponensial sederhana saat musim hujan diucapkan. Tentu ini berfungsi sebagai pengantar yang berguna untuk beberapa prosedur yang digunakan dengan deret waktu yang bersifat musiman dan cenderung tren, jadi lihatlah contoh pada Gambar 5.1. Gambar 5.1 Dengan model horizontal, hasil rata-rata sederhana menghasilkan ramalan yang tidak lebih dari sekadar sarana musiman. Data dan grafik yang ditunjukkan pada Gambar 5.1 mewakili jumlah rata-rata hit harian ke situs web yang melayani penggemar National Football League. Setiap pengamatan di kolom D menunjukkan jumlah rata-rata hit per hari di masing-masing empat perempat dalam rentang waktu lima tahun. Mengidentifikasi Pola Musiman Anda bisa tahu dari rata-rata di kisaran G2: G5 bahwa efek kuartalan yang berbeda sedang terjadi. Jumlah rata-rata hit terbesar terjadi saat musim gugur dan musim dingin, saat 16 pertandingan utama dan playoff dijadwalkan. Bunga, yang diukur dengan hit harian rata-rata, menurun selama musim semi dan musim panas. Rata-rata mudah untuk menghitung apakah Anda merasa nyaman dengan formula array atau tidak. Untuk mendapatkan rata-rata dari kelima kasus Quarter 1, misalnya, Anda dapat menggunakan formula array ini di sel G2 pada Gambar 5.1: Array-masukkan dengan CtrlShiftEnter. Atau Anda dapat menggunakan fungsi AVERAGEIF (), yang dapat Anda masukkan dengan cara biasa, menekan tombol Enter. Secara umum, saya lebih memilih pendekatan rumus array karena memberi saya ruang lingkup untuk kontrol yang lebih besar atas fungsi dan kriteria yang terlibat. Seri data yang dipetakan mencakup label data yang menunjukkan kuota masing-masing titik data. Bagan tersebut menggemakan pesan rata-rata di G2: G5: Perempat 1 dan 4 berulang kali mendapat banyak klik. Ada musim yang jelas di set data ini. Menghitung Indeks Musiman Setelah Anda memutuskan bahwa deret waktu memiliki komponen musiman, Anda ingin mengukur ukuran efeknya. Rata-rata yang ditunjukkan pada Gambar 5.2 menunjukkan bagaimana metode rata-rata sederhana berjalan mengenai tugas itu. Gambar 5.2 Kombinasikan mean grand dengan rata-rata musiman untuk mendapatkan indeks musiman. Pada Gambar 5.2. Anda mendapatkan indeks musiman tambahan di kisaran G10: G13 dengan mengurangi mean grand di sel G7 dari setiap rata-rata musiman di G2: G5. Hasilnya adalah 8220effect8221 berada di Quarter 1, berada di Quarter 2, dan seterusnya. Jika bulan yang ditentukan ada di Quarter 1, Anda memperkirakan jumlah klik harian rata-rata lebih tinggi dari rata-rata 99,65 dari rata-rata 140,35 klik per hari. Informasi ini memberi Anda rasa betapa pentingnya berada di musim yang ditentukan. Misalkan Anda memiliki situs web yang dimaksud dan Anda ingin menjual ruang iklan di atasnya. Anda pasti bisa meminta harga pengiklan yang lebih tinggi selama kuartal pertama dan keempat daripada pada periode kedua dan ketiga. Lebih tepatnya, Anda mungkin bisa melakukan pembayaran dua kali lipat selama kuartal pertama dibandingkan pada periode kedua atau ketiga. Dengan indeks musiman di tangan, Anda juga bisa menghitung penyesuaian musiman. Misalnya, masih pada Gambar 5.2. Nilai penyesuaian musiman untuk setiap kuartal di tahun 2005 muncul di G16: G19. Mereka dihitung dengan mengurangkan indeks dari pengukuran kuartalan yang terkait. Secara tradisional, istilah indeks musiman mengacu pada kenaikan atau penurunan tingkat seri yang terkait dengan setiap musim. Istilah musiman identik efek telah muncul dalam literatur dalam beberapa tahun terakhir. Karena Anda akan melihat kedua istilah itu, saya menggunakan keduanya dalam buku ini. Ini adalah masalah kecil yang perlu diingat bahwa kedua istilah memiliki arti yang sama. Perhatikan bahwa dalam kejadian normal dari tahun 2001 sampai 2005, Anda memperkirakan hasil kuartal kedua8217s tertinggal dari hasil kuartal pertama 2.717s dengan 133,6 (yaitu, 99,65 dikurangi 821133.95). Namun di tahun 2004 dan 2005, hasil penyesuaian musiman untuk kuartal kedua melebihi angka pada kuartal pertama. Hasil itu mungkin akan meminta Anda untuk menanyakan apa yang telah berubah dalam dua tahun terakhir yang membalikkan hubungan antara hasil penyesuaian musiman untuk dua kuartal pertama. (Saya tidak dapat mengemukakan masalah itu di sini. Saya mengemukakannya untuk menyarankan agar Anda sering melihat-lihat gambar yang teramati dan disesuaikan musiman). Peramalan dari Rata-Rata Rata-Rata Musiman: Tidak Ada Trend Meskipun metode rata-rata sederhana adalah seperti yang saya katakan Lebih jauh lagi, ini bisa jauh lebih akurat daripada alternatif pemulusan eksponensial yang lebih canggih, terutama bila efek musiman diucapkan dan dapat diandalkan. Bila deret waktu tidak tersentuh, seperti contoh contoh yang telah dibahas dalam bagian ini, perkiraan musiman sederhana tidak lebih dari rata-rata musiman. Bila seri tidak tren naik atau turun, perkiraan terbaik Anda untuk nilai musim depan adalah rata-rata historis season8217. Lihat Gambar 5.3. Gambar 5.3 Kombinasikan mean grand dengan rata-rata musiman untuk mendapatkan indeks musiman. Pada bagan pada Gambar 5.3. Garis putus-putus mewakili ramalan dari perataan sederhana. Dua garis padat mewakili pengamatan musiman aktual dan rata-rata musiman. Perhatikan bahwa rata-rata musiman melacak pengamatan musiman yang sebenarnya cukup dekat dibandingkan dengan perkiraan merapikannya. Anda dapat melihat seberapa jauh jaraknya dari dua RMSE dalam sel F23 dan H23. RMSE untuk rata-rata musiman hanya sedikit lebih dari sepertiga RMSE untuk ramalan yang dihaluskan. Anda dapat menghitungnya sampai seukuran efek musiman dan juga konsistensi mereka: Misalnya, misalnya, perbedaan antara rata-rata kuartal pertama dan kedua adalah 35,0 dan bukan 133,6 (yang merupakan perbedaan antara sel G2 dan G3 pada Gambar 5.2). Kemudian, dalam konteks smoothing, nilai sebenarnya untuk Quarter 1 akan menjadi prediktor nilai Triwulan 2 yang jauh lebih baik daripada yang ada pada seri waktu ini. Dan perataan eksponensial dapat sangat bergantung pada nilai pengamatan saat ini untuk perkiraan periode berikutnya. Jika konstanta smoothing ditetapkan pada 1.0, eksponensial smoothing memutuskan untuk memperkirakan secara neto dan perkiraan selalu sama dengan sebelumnya. Fakta bahwa ukuran setiap ayunan musiman sangat konsisten dari kuartal ke kuartal berarti rata-rata musiman sederhana adalah perkiraan yang dapat dipercaya: Tidak ada pengamatan kuartalan aktual yang berangkat sangat jauh dari keseluruhan rata-rata musiman. Rata-rata Rata-rata Rata-Rata dengan Trend Penggunaan rata-rata musiman sederhana dengan rangkaian yang trending memiliki beberapa kekurangan nyata, dan I8217m tergoda untuk menyarankan agar kita mengabaikannya dan beralih ke topik yang lebih baik. Tapi mungkin Anda akan mengalami situasi di mana seseorang telah menggunakan metode ini dan kemudian tidak salah bila mengetahui bagaimana cara kerjanya dan mengapa ada pilihan yang lebih baik. Setiap metode untuk menangani seasonality dalam rangkaian yang dilontarkan harus menghadapi masalah mendasar dalam menguraikan efek dari tren musiman. Musiman cenderung tidak jelas, dan sebaliknya. Lihat Gambar 5.4. Gambar 5.4 Kehadiran tren mempersulit perhitungan efek musiman. Fakta bahwa tren dalam rangkaian ini naik dari waktu ke waktu berarti bahwa hanya rata-rata setiap pengamatan season8217, seperti yang dilakukan dalam kasus tanpa tren, mengacaukan tren umum dengan variasi musiman. Ide yang biasa adalah menjelaskan tren secara terpisah dari efek musiman. Anda bisa mengukur tren dan mengurangi pengaruhnya dari data yang diobservasi. Hasilnya adalah rangkaian untrended yang mempertahankan variasi musiman. Hal itu bisa ditangani dengan cara yang sama seperti yang saya gambarkan sebelumnya di bab ini. Menghitung Mean untuk Setiap Tahun Salah satu cara untuk detrend data (dan cara lain pasti akan terjadi pada Anda) adalah menghitung tren berdasarkan rata-rata tahunan daripada data kuartalan. Idenya adalah rata-rata tahunan tidak sensitif terhadap efek musiman. Artinya, jika Anda mengurangi nilai rata-rata tahun ke tahun dari nilai untuk masing-masing perempatnya, jumlah (dan rata-rata) dari empat efek kuartalan adalah nol. Jadi, tren yang dihitung dengan menggunakan rata-rata tahunan tidak terpengaruh oleh variasi musiman. Perhitungan ini muncul pada Gambar 5.5. Gambar 5.5 Metode ini sekarang menerapkan regresi linier pada rata-rata sederhana. Langkah pertama dalam detrending data adalah mendapatkan rata-rata hit harian setiap tahunnya. Itu dilakukan pada kisaran H3: H7 pada Gambar 5.5. Rumus di sel H3, misalnya, adalah RATA-RATA (D3: D6). Menghitung Trend Berdasarkan Sarana Tahunan Dengan rata-rata tahunan di tangan, Anda berada dalam posisi untuk menghitung tren mereka. That8217s dikelola dengan menggunakan LINEST () di kisaran I3: J7, dengan menggunakan rumus array ini: Jika Anda tidak memberikan nilai x sebagai argumen kedua ke LINEST (). Excel menyediakan nilai x default untuk Anda. Defaultnya hanyalah bilangan bulat berurutan yang dimulai dengan 1 dan diakhiri dengan jumlah nilai y yang Anda panggil dalam argumen pertama. Dalam contoh ini, nilai x default sama dengan yang ditentukan pada lembar kerja di G3: G7, jadi Anda bisa menggunakan LINEST (H3: H7. TRUE). Rumus ini menggunakan dua default, untuk nilai-x dan konstanta, yang ditunjukkan oleh tiga koma berturut-turut. Inti dari latihan ini adalah mengukur tren dari tahun ke tahun, dan LINEST () melakukannya untuk Anda di sel I3. Sel itu mengandung koefisien regresi untuk nilai-x. Kalikan 106,08 dengan 1 maka dengan 2 maka dengan 3, 4, dan 5 dan tambahkan ke setiap hasil intercept dari 84,63. Meskipun itu membuat Anda memperkirakan tahunan, poin penting untuk prosedur ini adalah nilai koefisien 106,08, yang mengukur tren tahunan. Langkah yang baru saja saya diskusikan adalah sumber keraguan saya tentang keseluruhan pendekatan yang digambarkan oleh bagian ini. Anda biasanya memiliki sejumlah kecil periode yang melingkupi dalam contoh ini, tahun8282 untuk menjalankan regresi. Hasil regresi sering kali tidak stabil saat, seperti di sini, mereka didasarkan pada sejumlah kecil pengamatan. Namun, prosedur ini bergantung pada hasil-hasil itu dengan berat untuk mengurangi deret waktu. Merancang Tren Sepanjang Musim Metode rata-rata sederhana untuk menghadapi seri musiman yang tertunda seperti yang satu ini terus berlanjut dengan membagi tren dengan jumlah periode dalam periode yang mencakup untuk mendapatkan tren per periode. Di sini, jumlah periode per tahun adalah empat8212we8217 bekerja dengan data triwulanan8212 jadi kita membagi 106,08 menjadi 4 untuk memperkirakan tren per kuartal di 26,5. Prosedur menggunakan tren periodik dengan mengurangkannya dari hasil periodik rata-rata. Tujuannya adalah untuk menghapus efek tren tahunan dari efek musiman. Pertama, kita perlu menghitung hasil rata-rata sepanjang lima tahun untuk Periode 1, untuk Periode 2 dan seterusnya. Untuk melakukan itu, ada baiknya mengatur ulang daftar klik kuartalan aktual, yang ditunjukkan pada kisaran D3: D22 pada Gambar 5.5. Ke dalam matriks lima tahun empat perempat, ditunjukkan pada kisaran G11: J15. Perhatikan bahwa nilai-nilai dalam matriks tersebut sesuai dengan daftar di kolom D. Dengan data yang disusun dengan cara itu, mudah untuk menghitung nilai kuartalan rata-rata selama lima tahun dalam kumpulan data. Itu dilakukan pada kisaran G18: J18. Efek dari tren yang dikembalikan oleh LINEST () muncul di kisaran G19: J19. Nilai awal untuk setiap tahun adalah rata-rata hit harian yang diamati untuk kuartal pertama, jadi kami tidak melakukan penyesuaian untuk kuartal pertama. Tren seperempat8217s, atau 26,5, dikurangi dari angka rata-rata kuartal kedua8217, yang menghasilkan nilai kuartal kedua yang disesuaikan 329,9 (lihat sel H21, Gambar 5.5). Tren dua quarters8217, 2 215 26,5 atau 53 pada sel I19, dikurangkan dari kuartal ketiga tahun 1982 yang berarti untuk mendapatkan nilai kuartal ketiga yang disesuaikan sebesar 282,6 pada sel I21. Dan juga untuk kuartal keempat, mengurangi tiga perempat tren dari 454,4 untuk mendapatkan 374,8 di sel J21. Ingatlah bahwa jika tren turun dan bukan naik, seperti dalam contoh ini, Anda akan menambahkan nilai tren periodik ke mean periodik yang diamati alih-alih mengurangkannya. Mengubah Sarana Musiman yang Disesuaikan dengan Efek Musiman Per logika metode ini, nilai yang ditunjukkan pada baris 20821121 pada Gambar 5.5 adalah hasil kuartalan rata-rata untuk masing-masing empat perempat, dengan efek kecenderungan kenaikan umum pada kumpulan data yang dihapus. (Baris 20 dan 21 digabungkan dalam kolom G sampai J.) Dengan kecenderungan mereka, kita dapat mengubah angka tersebut menjadi perkiraan efek musiman. Hasil di kuartal pertama, di kuarter kedua, dan seterusnya. Untuk mendapatkan efek tersebut, mulailah dengan menghitung mean rata-rata dari mean kuartalan yang disesuaikan. Itu berarti grand yang disesuaikan muncul di sel I23. Analisis berlanjut pada Gambar 5.6. Gambar 5.6 Efek kuartalan, atau indeks, digunakan untuk mendokumentasikan kuartalan yang diamati. Gambar 5.6 mengulang penyesuaian kuartalan dan mean grand yang disesuaikan dari bagian bawah Gambar 5.5. Mereka digabungkan untuk menentukan indeks kuartalan (yang juga dapat Anda anggap sebagai efek musiman). Misalnya, rumus di sel D8 adalah sebagai berikut: Ia mengembalikan 821133.2. Itu adalah efek dari pada kuartal kedua, vis-224-vis grand mean: Sehubungan dengan grand mean, kita bisa mengharapkan hasil yang termasuk pada kuartal kedua turun di bawah grand mean sebesar 33,2 unit. Menerapkan Efek musiman pada Triwulan yang Teramati Untuk rekap: Sejauh ini, kami mengukur tren tahunan data melalui regresi dan membagi kecenderungan itu dengan 4 untuk mengembalikannya ke nilai kuartalan. Mengambil pada Gambar 5.6. Kami menyesuaikan rata-rata untuk setiap kuartal (dalam C3: F3) dengan mengurangi tren prorata di C4: F4. Hasilnya adalah perkiraan rata-rata untuk setiap kuartal, terlepas dari tahun di mana kuartal berlangsung, di C5: F5. Kami mengurangi mean grand yang disesuaikan, di sel G5, dari mean kuartalan yang disesuaikan di C5: F5. Yang mengubah setiap quarter8217s berarti ukuran efek setiap triwulan relatif terhadap mean grand yang disesuaikan. Itu adalah indeks musiman atau efek di C8: F8. Selanjutnya kita menghilangkan efek musiman dari kuartalan yang diamati. Seperti ditunjukkan pada Gambar 5.6. Anda melakukannya dengan mengurangi indeks kuartalan di C8: F8 dari nilai yang sesuai di C12: F16. Dan cara termudah untuk melakukannya adalah dengan memasukkan formula ini ke dalam sel C20: Perhatikan tanda satu dolar sebelum 8 di referensi ke C8. Itu adalah referensi campuran: sebagian relatif dan sebagian absolut. Tanda dolar jangkar menunjuk pada baris kedelapan, namun bagian kolom referensi bebas untuk bervariasi. Oleh karena itu, setelah formula yang terakhir dimasukkan ke dalam sel C20, Anda bisa mengklik pegangan seleksi cell8217s (kotak kecil di sudut kanan bawah sel yang dipilih) dan seret ke sel F20. Alamat menyesuaikan saat Anda menyeret ke kanan dan Anda mengakhiri nilai, dengan efek musiman dihapus, untuk tahun 2001 di C20: F20. Pilih rentang empat sel itu dan gunakan pegangan multiple selection8217s, sekarang di F20, untuk menarik ke bawah ke baris 24. Jadi, lakukan pengisian sisa matriks. Hal penting yang perlu diingat di sini adalah bahwa kita menyesuaikan nilai kuartalan asli untuk efek musiman. Tren apa pun yang ada di nilai aslinya masih ada, dan teori ini, setidaknya ada di sana setelah kita melakukan penyesuaian untuk efek musiman. Kami telah menghilangkan tren, ya, tapi hanya dari efek musiman. Jadi, bila kita mengurangi efek musiman (detrended) dari pengamatan kuartalan awal, hasilnya adalah pengamatan asli dengan kecenderungan namun tanpa efek musiman. Saya telah memetakan nilai penyesuaian musiman pada Gambar 5.6. Bandingkan bagan itu dengan bagan pada Gambar 5.4. Perhatikan pada Gambar 5.6 bahwa meskipun nilai deseasonalized tidak terletak tepat pada garis lurus, sebagian besar efek musiman telah dihapus. Menekankan Triwulan Deseasonalized ke Periode Waktu Langkah selanjutnya adalah membuat perkiraan dari data yang disesuaikan musiman dan tertimbang pada Gambar 5.6. Sel C20: F24, dan pada titik ini Anda memiliki beberapa alternatif yang tersedia. Anda bisa menggunakan pendekatan differencing yang dikombinasikan dengan perataan eksponensial sederhana yang telah dibahas di Bab 3, 8220 Bekerja dengan Trending Time Series.8221 Anda juga bisa menggunakan pendekatan Holt8217 untuk merapikan seri yang dilemahkan, yang dibahas dalam Bab 3 dan Bab 4, 8220Mengumumkan Prakiraan.8221 Keduanya Metode menempatkan Anda pada posisi untuk membuat perkiraan satu langkah di depan, yang akan Anda tambahkan pada indeks musiman yang sesuai. Pendekatan lain, yang akan digunakan di sini, pertama-tama menempatkan data yang trending melalui contoh regresi linier yang lain dan kemudian menambahkan indeks musiman. Lihat Gambar 5.7. Gambar 5.7 Prakiraan pertama yang benar adalah di baris 25. Gambar 5.7 mengembalikan mean kuartalan dua kali dari pengaturan tabel di C20: F24 pada Gambar 5.6 ke susunan daftar di kisaran C5: C24 pada Gambar 5.7. Kita bisa menggunakan LINEST () dalam hubungannya dengan data di B5: C24 pada Gambar 5.7 untuk menghitung persamaan regresi8217s intercept dan koefisien, maka kita dapat mengalikan koefisien dengan setiap nilai pada kolom B, dan menambahkan intercept ke setiap produk, untuk membuat Prakiraan di kolom D. Tetapi walaupun LINEST () mengembalikan informasi yang berguna selain koefisien dan intercept, TREND () adalah cara yang lebih cepat untuk mendapatkan perkiraan, dan saya menggunakannya pada Gambar 5.7. Rentang D5: D24 berisi perkiraan yang menghasilkan kemunduran angka kuartalan deseasonalized di C5: C24 ke nomor periode di B5: B24. Rumus array yang digunakan dalam D5: D24 adalah ini: Kumpulan hasil tersebut mencerminkan efek dari tren kenaikan umum dalam deret waktu. Karena nilai yang TREND (perkiraan dari perkiraan telah dilakukan sebelumnya, tetap menambahkan efek musiman, juga dikenal sebagai indeks musiman, masuk ke perkiraan tren. Menambahkan Indeks Musiman Kembali Dalam indeks musiman, dihitung pada Gambar 5.6. Disediakan pada Gambar 5.7. Pertama di kisaran C2: F2 lalu berulang kali di kisaran E5: E8, E9: E12, dan seterusnya. Perkiraan prakiraan tersebut ditempatkan pada F5: F24 dengan menambahkan efek musiman pada kolom E ke prakiraan tren di kolom D. Untuk mendapatkan perkiraan satu langkah di sel F25 pada Gambar 5.7. Nilai t untuk periode berikutnya masuk ke sel B25. Rumus berikut dimasukkan ke dalam sel D25: Ini menginstruksikan Excel untuk menghitung persamaan regresi yang memperkirakan nilai pada kisaran C5: C24 dari pada B5: B24, dan menerapkan persamaan tersebut ke nilai x baru pada sel B25. Indeks musiman yang sesuai ditempatkan di sel E25, dan jumlah D25 dan E25 ditempatkan di F25 sebagai perkiraan sejati pertama dari rangkaian waktu historis dan tren. Anda akan menemukan keseluruhan rangkaian kuartalan dan perkiraan yang dipetakan pada Gambar 5.8. Gambar 5.8 Efek musiman dikembalikan ke prakiraan. Mengevaluasi Rata-rata Sederhana Pendekatan untuk menangani seri waktu musiman, yang dibahas di beberapa bagian sebelumnya, memiliki beberapa daya tarik intuitif. Gagasan dasarnya nampak langsung: Hitung tren tahunan dengan cara menghitung rata-rata tahunan terhadap ukuran periode waktu. Bagilah tren tahunan di antara periode dalam tahun ini. Kurangi tren yang terbagi dari efek periodik untuk mendapatkan efek yang disesuaikan. Kurangi efek yang disesuaikan dari ukuran sebenarnya untuk menentukan deret waktu. Buat prakiraan dari seri deseasonalized, dan tambahkan efek musiman yang disesuaikan kembali. Pandangan saya sendiri adalah bahwa beberapa masalah melemahkan pendekatan ini, dan saya tidak akan memasukkannya ke dalam buku ini kecuali bahwa Anda cenderung menemuinya dan oleh karena itu seharusnya familiar Dengan itu Dan ini menyediakan batu loncatan berguna untuk membahas beberapa konsep dan prosedur yang ditemukan pada pendekatan lain yang lebih kuat. Pertama, ada masalah (yang saya keluhkan sebelumnya di bab ini) mengenai ukuran sampel yang sangat kecil untuk regresi mean tahunan ke bilangan bulat berturut-turut yang mengidentifikasi setiap tahunnya. Bahkan dengan hanya satu prediktor, sesedikit 10 pengamatan benar-benar menggores bagian bawah laras. Paling tidak Anda harus melihat R 2 yang dihasilkan disesuaikan untuk penyusutan dan mungkin menghitung ulang kesalahan standar perkiraan yang sesuai. Memang benar bahwa semakin kuat korelasi dalam populasi, semakin kecil sampel yang bisa Anda dapatkan. Tapi bekerja dengan perempat tahun, Anda beruntung bisa menemukan observasi kuartalan sebanyak 10 tahun8217, masing-masing diukur dengan cara yang sama sepanjang rentang waktu itu. Saya tidak yakin bahwa jawaban atas pola up-and-down bermasalah yang Anda temukan dalam setahun (lihat bagan pada Gambar 5.4) adalah rata-rata keluar dari puncak dan lembah dan dapatkan perkiraan tren dari cara tahunan. Tentu saja ini adalah jawaban untuk masalah itu, tapi, seperti yang akan Anda lihat, ada metode yang lebih kuat untuk memisahkan efek musiman dari tren yang mendasarinya, yang menjelaskan keduanya, dan meramalkannya dengan tepat. Sekarang saya akan membahas metode itu di bab ini, di Regresi Terkenal dengan Vector8221 Coded section. Selain itu, tidak ada landasan teori untuk mendistribusikan tren tahunan secara merata di antara periode yang menyusun tahun ini. Memang benar bahwa regresi linier melakukan sesuatu yang serupa saat menempatkan prakiraannya pada garis lurus. Tapi ada jurang besar antara membuat asumsi mendasar karena model analitiknya tidak dapat menangani data, dan menerima hasil yang cacat yang kekurangannya dalam perkiraan akan dapat diukur dan dievaluasi. Konon, mari beralih ke penggunaan rata-rata bergerak, bukan rata-rata sederhana sebagai cara menghadapi musiman.
No comments:
Post a Comment