Metode ARIMA dapat digunakan untuk melakukan peramalan yang lebih jauh ke depan dibandingkan dengan metode pemulusan. Beberapa model tentatif ARIMA dipilih dan model dengan galat terkecil dipilih sebagai metode terbaik.

Pemulusan dapat dilakukan untuk mengurangi variansi dari data deret-waktu dan memungkinkan untuk melakukan peramalan untuk beberapa periode berikutnya. Beberapa metode dipilih dan metode terbaik dipilih berdasarkan galat yang dihasilkan metode tersebut.

Harga closing IHSG merupakan contoh klasik dari data deret waktu. Eksplorasi dilakukan untuk melihat bagaimana karakter dari dataset tersebut sebelum dilakukan proses analisis lebih lanjut.

Peramalan data sederhana dengan menggunakan ARIMA untuk memprediksi beberapa periode ke depan untuk dataset suhu harian, produksi listrik bulanan, dan produksi bir bulanan. Penentuan beberapa model tentatif dilakukan dan model terbaik dipilih untuk masing-masing dataset.

IPM atau indeks pembangunan manusia sangat berkaitan dengan aspek ekonomi, sehingga rawan terhadap autokorelasi. Penanganan autokorelasi dapat dilakukan dengan beberapa cara, yaitu dengan metode grafik dan uji Durbin-Watson. Pada data tersebut terlihat bahwa terdapat autokorelasi sehingga harus ditangani dengan dua cara, yaitu dengan metode Cochrane-Orcutt dan metode Hildreth-Lu. Kedua cara penanganan tersebut berhasil menghilangkan efek autokorelasi pada data IPM tersebut.

Metode SMA dan DMA merupakan salah satu metode yang sering digunakan dalam proses peramalan data deret waktu. Publikasi ini menggunakan data contoh Data_P2 dalam melakukan peramalan menggunakan kedua metode tersebut.