Lihat sumber Cross-Validation pada Data Time Series

Pada data [[time series]], penggunaan cross-validation memerlukan penyesuaian khusus karena adanya dependensi temporal antar observasi. Penggunaan metode cross-validation standar seperti K-Fold dapat menyebabkan kebocoran informasi dari masa depan yang merusak hasil evaluasi.

== Tantangan pada Data Time Series ==
Data time series memiliki urutan waktu yang harus dijaga agar evaluasi model tetap valid. Jika data masa depan digunakan untuk melatih model yang diprediksi pada masa lalu, maka hasil evaluasi menjadi tidak realistis.

== Time Series Split ==
Salah satu metode cross-validation untuk time series adalah [[Time Series Split]], di mana data dibagi berdasarkan urutan waktu. Data pelatihan terdiri dari data sebelumnya, dan data uji berasal dari waktu berikutnya. Dengan cara ini, urutan temporal tetap terjaga.

== Implementasi dalam Praktik ==
Library seperti [[scikit-learn]] menyediakan TimeSeriesSplit untuk memudahkan implementasi cross-validation pada data time series. Teknik ini sangat berguna dalam aplikasi seperti [[forecasting]] dan prediksi tren.