PEMODELAN DATA FUZZY TIME SERIES DENGAN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR DAN APLIKASINYA PADA PERKIRAAN TINGKAT INFLASI DI INDONESIA
|
|
- Yohanes Gunardi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Peodelan Data Fuzzy Tie Series dengan Menggunakan Dekoposisi Nilai Singular dan Aplikasinya pada Perkiraan Tingkat Inflasi di Indonesia (Agus Maan Abadi) PEMODELAN DATA FUZZY TIME SERIES DENGAN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR DAN APLIKASINYA PADA PERKIRAAN TINGKAT INFLASI DI INDONESIA Oleh: Agus Maan Abadi Staf Pengaar FMIPA UNY Abstract The ais of this research are to construct a new ethod for odeling fuzzy tie series data and to apply the ethod for forecasting Indonesian inflation rate. The procedure of this research is done by the following steps: (1) deterine fuzzy relations using table lookup schee, (2) Apply the singular value decoposition to reduce the uniportant fuzzy relations, (3) apply the ethod to forecasting Indonesian inflation rate. The result of this research is that it was designed a new ethod to construct the fuzzy tie series odel using singular value decoposition ethod. Then, the ethod is applied to forecast the Indonesian inflation rate based on fuzzy tie series data. Forecasting inflation rate using the proposed ethod yields a higher accuracy than that using table lookup schee and neural network ethods. Keywords: fuzzy tie series, singular value decoposition, inflation rate. PENDAHULUAN Kaian tentang siste fuzzy yang enggunakan fuzzifikasi singleton, esin inferensi pergandaan dan defuzzifikasi rata-rata pusat telah dilakukan oleh Karyati dkk (2003). Keudian Abadi, (2003) telah enunukkan bahwa siste fuzzy dapat digunakan untuk endekati suatu fungsi kontinu pada hipunan kopak. Selanutnya Abadi & Muhson (2005) telah ebuat odel inflasi 129
2 Jurnal Penelitian Saintek, Vol. 14, No. 1, April 2009: di Indonesia berdasarkan faktor nilai tukar rupiah dan pendapatan nasional dengan enggunakan siste fuzzy. Model regresi fuzzy untuk eperkirakan tingkat inflasi berdasarkan ulah uang yang beredar, nilai tukar rupiah, tingkat bunga dan pendapatan nasional telah dilakukan oleh Abadi,dkk (2006) dan hasilnya lebih baik ika dibandingkan odel inflasi yang enggunakan regresi yang diteliti oleh Muhson (1999). Penelitian tersebut belu enggunakan data fuzzy tie series. Berdasarkan data fuzzy tie series univariat, odel fuzzy yang didesain enggunakan fuzzifier singleton, esin inferensi iniu, iplikasi Madani dan defuzzifier rata-rata pusat epunyai keakuratan yang tinggi untuk eprediksi tingkat suku bunga Sertifikat Bank Indonesia (Abadi, dkk, 2007). Selanutnya Abadi, dkk (2007) telah elakukan peodelan dan perkiraan tingkat suku bunga Sertifikat Bank Indonesia berdasarkan data fuzzy tie series ultivariat, yang epunyai ketepatan prediksi lebih baik dibandingkan peodelan dengan neural network yang dilakukan oleh Kustono, dkk. (2006). Peodelan data fuzzy tie series univariat uga telah dilakukan oleh Chen (2002), Sah dan Degtiarev (2004), Chen dan Hsu (2004). Selanutnya peodelan berdasarkan data fuzzy tie series ultivariat uga sudah dikebangkan oleh Lee, dkk (2006) dan Jilani, dkk (2007). 130
3 Peodelan Data Fuzzy Tie Series dengan Menggunakan Dekoposisi Nilai Singular dan Aplikasinya pada Perkiraan Tingkat Inflasi di Indonesia (Agus Maan Abadi) Peodelan data fuzzy tie series yang dilakukan oleh peneliti-peneliti di atas asih terbatas pada odel diskrit dan belu enentukan banyaknya aturan fuzzy yang optial. Selanutnya Abadi,dkk. (2008a, 2008b, 2008c) telah eodelkan data fuzzy tie series dengan enggunakan hipunan fuzzy kontinu untuk engkonstruksi relasi fuzzy yang lengkap. Menentukan banyaknya aturan fuzzy sangat penting untuk endapatkan keakuratan prediksi. Berdasarkan uraian di atas tibul perasalahan: bagaiana enentukan odel fuzzy tie series yang optial dan bagaiana enerapkan odel tersebut pada peraalan tingkat inflasi di Indonesia. METODE PENELITIAN Penelitian ini erupakan penelitian research and developent. Penelitian ini dilakukan dengan tahap-tahap sebagai berikut: 1. Menentukan doain dari input dan output data. 2. Mendefinisikan hipunan fuzzy pada doain input-output data dengan fungsi keanggotaan yang noral dan lengkap. 3. Mebentuk aturan fuzzy dengan table lookup schee berdasarkan data training. 4. Mereduksi aturan fuzzy dengan dekoposisi nilai singular. 131
4 Jurnal Penelitian Saintek, Vol. 14, No. 1, April 2009: Menentukan banyaknya nilai singular yang harus diabil untuk endapatkan odel fuzzy tie series yang optial. 6. Mengaplikasikan odel fuzzy tie series pada peraalan tingkat inflasi di Indonesia. HASIL DAN PEMBAHASAN Pebentukan odel fuzzy tie series Misalkan Yt, () t =..., 0, 1, 2,..., adalah hipunan bagian dari R dan fi ( t ), i = 1, 2, 3,..., adalah hipunan fuzzy yang didefinisikan pada Yt. () Misalkan Ft () adalah hipunan yang anggotanya adalah fi ( t ), i = 1, 2, 3,..., aka Ft () disebut fuzzy tie series pada Yt, () t =..., 0, 1, 2, 3,... Seperti pada peodelan data tie series tradisional, data training digunakan untuk enentukan hubungan diantara nilai-nilai data pada waktu yang berbeda-beda. Di dala fuzzy tie series hubungan ini berbeda dengan yang ada di tie series tradisional. Pada peodelan data fuzzy tie series, pengalaan ahli dapat digunakan dala peodelan. Pengalaan ahli tersebut dinyatakan dala bentuk pernyataan Jika aka. Bentuk ini disebut aturan fuzzy. Selanutnya langkah utaa dala peodelan data fuzzy tie series adalah engidentifikasi data training dengan enggunakan aturan fuzzy. 132
5 Peodelan Data Fuzzy Tie Series dengan Menggunakan Dekoposisi Nilai Singular dan Aplikasinya pada Perkiraan Tingkat Inflasi di Indonesia (Agus Maan Abadi) Misalkan A 1, ( t i),..., A, ( t i) adalah N k N k i hipunan fuzzy i dengan fungsi keanggotaan kontinu yang noral dan lengkap pada fuzzy tie series F ( t i), i =1, 2, 3,, n, k = 1, 2,,, aka aturan fuzzy k JIKA ( x ( t n) adalah A ( t n) dan...dan x ( t n) adalah A ( t n)) 1 i1,1 i, dan ( x ( t 1) adalah A ( t 1) dan...dan x ( t 1) adalah A ( t 1)), MAKA 1 i1,1 i, x ( t) adalah A ( t )... (1) 1 i1,1 ekuivalen dengan relasi fuzzy dan sebaliknya, sehingga (1) dapat dipandang sebagai relasi fuzzy pada U V dengan n U = U... U R 1 n, V R dan μ ( x ( t n),..., x ( t 1),..., x ( t n),..., x ( t 1)) = A 1 1 μ ( x ( t n))... μ ( x ( t 1))... μ ( x ( t n)... μ ( t 1) A i 1 1,1 A i1,1 1 A i, i, A dengan A =,1,1,, A ( t n)... A ( t 1)... A ( t n)... A ( t 1). i1 i1 i i Misalkan F( t 1), F ( t 1),..., F ( t 1) F( t) adalah odel fuzzy tie series -faktor order satu, aka F( t 1), F ( t 1),..., F ( t 1) F( t) dapat dipandang sebagai odel fuzzy tie series dengan input dan satu output. Selanutnya akan didesain odel fuzzy tie series dengan input dan satu output dengan enggunakan etode table lookup schee dan 133
6 Jurnal Penelitian Saintek, Vol. 14, No. 1, April 2009: dekoposisi nilai singular. Tetapi etode ini dapat digeneralisasi untuk odel fuzzy tie series dengan -faktor order n. Jika diberikan N data training: ( x ( t 1), x ( t 1),..., x ( t 1); x ( t)), p = 1,2,3,..., N dan 1p 2p p 1p isalkan U = [ α1, β 1] R dan V = [ αi, βi] R, i = 2,3,..., berturut-turut adalah universes of discourse untuk faktor utaa dan faktor sekunder. Jika A 1, k( t i),..., AN, k( t i) adalah N i hipunan fuzzy pada fuzzy tie series F ( t i) yang kontinu, noral dan k lengkap di [ αk, βk] R, k = 2,3,...,, i = 0,1, aka dengan table lookup schee diperoleh sebanyak M relasi logika fuzzy yang berbentuk: ( A ( t 1), A ( t 1),..., A ( t 1)) A ( t), l = 1, 2, 3,, M.... (2) l l l l * * * * i,1,2,, Keudian ika diberikan input hipunan fuzzy A ( t 1), aka fungsi keanggotaan dari perkiraan output A () t adalah M μ ( x ( t)) = A () t 1 ax (sup( μ ( x( t 1)) μ ( x ( t 1)) μ ( x ( t)))).... (3) A A, ( 1) l 1 1 if f t f l= Ai 1,1 x U f = 1 Selanutnya ika output yang diinginkan adalah real, aka dilakukan defuzzifikasi, sebagai contoh, ika diberikan input hipunan fuzzy A ( t 1) dengan fungsi keanggotaan Gaussian i 134
7 Peodelan Data Fuzzy Tie Series dengan Menggunakan Dekoposisi Nilai Singular dan Aplikasinya pada Perkiraan Tingkat Inflasi di Indonesia (Agus Maan Abadi) ( x ( t 1) x ( t 1)) ( ( 1)) = exp( ), aka perkiraan * 2 i i μ A ( t 1) xt 2 i= 1 ai output dengan defuzzifier rata-rata pusat adalah ( x ( t 1) x ( t 1)) exp( ) M * 2 i i y 2 2 = 1 i= 1 ai + σ i, 1( ) = ( 1 ( 1),..., ( 1)) = M * 2 ( xi( t 1) xi ( t 1)) exp( ) 2 2 = 1 i= 1 ai + σ i, x t f x t x t...(4) dengan y adalah pusat dari hipunan fuzzy A t.,1( ) i1 Jika banyaknya data training besar, aka banyaknya relasi logika fuzzy ungkin besar sehingga akan enabah kekoplekkan dala perhitungan. Untuk engatasi hal ini, akan dilakukan pengurangan relasi logika fuzzy dengan enggunakan etode dekoposisi nilai singular. Pengertian dekoposisi nilai singular diacu dari Scheick (1997). Langkah-langkah untuk engurangi banyaknya relasi logika fuzzy dengan etode dekoposisi nilai singular dapat dilihat pada Gabar
8 Jurnal Penelitian Saintek, Vol. 14, No. 1, April 2009: Input: relasi logika fuzzy P data training Tentukan firing strength relasi fuzzy Bentuk atriks firing strength F DNS F=USF T Identifikasi nilai singular σ 1 σ 2 σ 1 0 Abil s nilai singular terbesar Partisi V = _ Bentuk V T = ( V 11 V 12 V 21 ) V 22 ( V 21 T V 11 T ) _ Tentukan faktorisasi QR pada V T Bentuk atriks perutasi E dengan _ V T E = QR Tentukan posisi entri 1 pada s kolo pertaa E Bentuk odel fuzzy dengan s relasi fuzzy terpenting Optial Model fuzzy Gabar 1. Prosedur pebentukan odel fuzzy tie series dengan dekoposisi nilai singular 136
9 Peodelan Data Fuzzy Tie Series dengan Menggunakan Dekoposisi Nilai Singular dan Aplikasinya pada Perkiraan Tingkat Inflasi di Indonesia (Agus Maan Abadi) Aplikasi odel fuzzy tie series pada perkiraan tingkat inflasi Di dala subbab ini akan diberikan aplikasi dari odel fuzzy tie series 6-faktor order satu dala peraalan tingkat inflasi. Faktor utaanya adalah tingkat inflasi dan faktor sekundernya adalah suku bunga sertifikat Bank Indonesia, suku bunga deposito, persediaan uang, ulah deposito dan nilai tukar rupiah. Data diabil dari Januari 1999 sapai Februari Data dari Januari 1999 saapai Januari 2002 digunakan untuk training dan data dari Februari 2002 sapai Februari 2003 digunakan untuk testing. Pertaa, akan dikonstruksikan relasi logika fuzzy dengan enggunakan table lookup schee dan keudian dekoposisi nilai singular digunakan untuk enetukan relasi logika fuzzy yang optial. Di dala penelitian ini, akan diprediksi tingkat inflasi bulan ke-k berdasarkan data tingkat inflasi, suku bunga sertifikat Bank Indonesia, suku bunga deposito, persediaan uang, ulah deposito dan nilai tukar rupiah pada bulan ke- (k-1). Universes of discourse dari suku bunga sertifikat Bank Indonesia, suku bunga deposito, nilai tukar rupiah, ulah deposito, persediaan uang, tingkat inflasi beturut-turut adalah [10, 40], [10, 40], [6000, 12000], [360000, ], 40000, 90000], [-2, 4]. Didefinisikan 16 hipunan fuzzy B1, B2,..., B 16, 16 hipunan fuzzy C1, C2,..., C 16, 25 hipunan fuzzy D1, D2,..., D 25, 21 hipunan fuzzy E1, E2,..., E 21,
10 Jurnal Penelitian Saintek, Vol. 14, No. 1, April 2009: hipunan fuzzy F1, F2,..., F 21, 13 hipunan fuzzy A1, A2,..., A 13 berturut-turut pada universes of discourse dari suku bunga sertifikat Bank Indonesia, suku bunga deposito, nilai tukar rupiah, ulah deposito, persediaan uang, tingkat inflasi. Di dala penelitian ini, didefinisikan fungsi keanggotaan Gaussian untuk seua hipunan fuzzy yang dibentuk. Selanutnya terdapat 36 relasi fuzzy yang berbentuk: ( B ( t 1), C ( t 1), D ( t 1), E ( t 1), F ( t 1), A ( t 1)) A ( t ) l l l l l l l * Perkiraan output dapat dilakukan dengan persaaan (3) atau (4). Untuk engetahui relasi logika fuzzy yang optial, diterapkan etode dekoposisi nilai singular dengan prosedur sebagai berikut: Langkah 1. Tentukan firing strength dari relasi logika fuzzy dala Tabel 1 untuk setiap data training. Perhitungan firing strength suatu relasi fuzzy engacu pada Abadi, dkk. (2008b). Langkah 2. Bentuk atriks F berukuran 36 x 36, F = F1(1) F2(1) L F36(1) F1(2) F2(2) L F36(2), dengan F () i, i, = 1, 2,, 36, M M M M F1(36) F2(36) F36(36) L dihitung enggunakan Langkah
11 Peodelan Data Fuzzy Tie Series dengan Menggunakan Dekoposisi Nilai Singular dan Aplikasinya pada Perkiraan Tingkat Inflasi di Indonesia (Agus Maan Abadi) Langkah 3. Tentukan dekoposisi nilai singular dari F yaitu F T = USV. Ada 34 nilai singular taknol dari F. Distribusi nilai singular F dapat dilihat pada Gabar 2. Langkah 4. Tentukan banyaknya relasi logika fuzzy yang akan diabil, isalkan s dengan s rank( F). Berdasarkan pada Gabar 2, nilai singular turun tegas setelah 29 nilai singular pertaa. Oleh karena itu diabil 29 nilai singular pertaa dan dengan enerapkan faktorisasi QR didapat atriks perutasi E dan dengan enandai posisi entri-entri 1 pada s kolo pertaa dari atriks E engindikasikan posisi s relasi logika fuzzy terpenting. Sebagai hasil pengabilan 29 nilai singular terbesar, aka diperoleh penurunan banyaknya relasi logika fuzzy dari 36 ke 29. Posisi dari 29 relasi logika fuzzy terpenting diidentifikasi pada posisi 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 13, 15, 16, 17, 18, 19, 20, 22, 25, 26, 27, 28, 30, 31, 32, 33, 34, 36. Relasi logika fuzzy yang dihasilkan digunakan untuk pebentukan odel peraalan data fuzzy tie series (3) dan (4). 139
12 Jurnal Penelitian Saintek, Vol. 14, No. 1, April 2009: Gabar 2. Distribusi nilai singular atriks F Mean square error (MSE) dari data training dan data testing untuk prediksi tingkat inflasi dari berbagai etode dapat ditunukkan pada Tabel 1. Berdasarkan Tabel 1, prediksi tingkat inflasi dengan etode dekoposisi nilai singular epunyai keakuratan yang lebih tinggi dibandingkan prediksi tingkat inflasi dengan table lookup schee dan neural network. Tabel 1. Perbandingan MSE data training dan data testing untuk enggunakan berbagai etode Metode Banyaknya relasi fuzzy MSE data training MSE data testing Dekoposisi nilai singular Table lookup schee Neural network
13 Peodelan Data Fuzzy Tie Series dengan Menggunakan Dekoposisi Nilai Singular dan Aplikasinya pada Perkiraan Tingkat Inflasi di Indonesia (Agus Maan Abadi) (a) (b) Gabar 3. Nilai-nilai tingkat inflasi yang sebenarnya dan prediksinya dengan: (a) etode dekoposisi nilai singular, (b) table lookup schee SIMPULAN Di dala penelitian ini telah dikonstruksikan etode untuk peodelan data fuzzy tie series dengan dekoposisi nilai singular. Metode dekoposisi nilai singular digunakan untuk ereduksi relasi logika fuzzy yang kurang penting dengan elihat nilai-nilai singular dari atriks firing strength. Posisi dari entrientri 1 dari atriks perutasi enunukkan posisi relasi logika fuzzy terpenting. Metode ini diterapkan untuk peraalan tingkat inflasi yang enghasilkan keakuratan yang lebih baik dibandingkan dengan etode neural network dan table lookup schee. Ketepatan peraalan uga tergantung pada ketepatan pengabilan variabel-variabel input. Oleh karena itu pada 141
14 Jurnal Penelitian Saintek, Vol. 14, No. 1, April 2009: penelitian selanutnya akan diteliti bagaiana enentukan sensitivitas variabel-variabel input untuk eningkatkan keakuratan prediksi berdasarkan data fuzzy ties series. DAFTAR PUSTAKA Abadi, A.M., 2003, Penggunaan siste saar untuk pendekatan suatu fungsi. Makalah dala Seinar Nasional Mateatika tanggal 18 Maret 2003 di Universitas Sebelas Maret. Abadi, A.M., Muhson, A Peodelan tingkat inflasi di Indonesia dengan enggunakan siste fuzzy. Jurnal Ekonoi dan Pendidikan FIS UNY, 2(2), Abadi, A.M, Subanar, Widodo & Saleh, S Fuzzy odel for forecasting inflation rate, Procceeding of International Conference on Matheatics and Natural Sciences ITB. Bandung. Abadi, A.M, Subanar, Widodo & Saleh, S Forecasting interest rate of Bank Indonesia certificate based on univariate fuzzy tie series. International Conference on Matheatics and Its applications SEAMS. Gadah Mada University. Yogyakarta. Abadi, A.M, Subanar, Widodo & Saleh, S a. Constructing coplete fuzzy rules of fuzzy odel using singular value decoposition. Proceeding of International Conference on Matheatics, Statistics and Applications (ICMSA). Syiah Kuala University. Banda Aceh. Abadi, A.M, Subanar, Widodo & Saleh, S b. Designing fuzzy tie series odel and its application to forecasting 142
15 Peodelan Data Fuzzy Tie Series dengan Menggunakan Dekoposisi Nilai Singular dan Aplikasinya pada Perkiraan Tingkat Inflasi di Indonesia (Agus Maan Abadi) inflation rate. 7 Th World Congress in Probability and Statistics. National University of Singapore. Singapore. Abadi, A.M, Subanar, Widodo & Saleh, S c. A new ethod for generating fuzzy rule fro training data and its application in finacial probles. The 3 rd International Conference on Matheatics and Statistics (ICoMS-3). Institut Pertanian Bogor. Bogor. Chen, S.M Forecasting enrollents based on high-order fuzzy tie series. Cybernetics and Systes Journal 33, Chen, S.M., Hsu, C.C A new ethod to forecasting enrollents using fuzzy tie series. International Journal of Applied Sciences and Engineering, 2(3), Jilani, T.A., Burney, S.M.A. & Ardil, C Multivariate high order fuzzy tie series forecasting for car road accidents. International Journal of Coputational Intelligence, 4(1), Karyati, Sukiran, Rosnawati, R. & Abadi, A.M Konstruksi fuzzifier dan defuzzifier suatu siste saar. Research Grant Due-Like Jurusan Pendidikan Mateatika FMIPA Universitas Negeri Yogyakarta. Yogyakarta. Kustono, Supriyadi & Sukisno, T Peraalan suku bunga sertifikat Bank Indonesia dengan enggunakan aringan syaraf tiruan. Laporan Penelitian Dosen Muda. Universitas Negeri Yogyakarta. Yogyakarta. Lee, L.W., Wang, L.H., Chen, S.M. & Leu, Y.H Handling forecasting probles based on two-factors high order fuzzy tie series. IEEE Transactions on Fuzzy Systes, 14(3),
16 Jurnal Penelitian Saintek, Vol. 14, No. 1, April 2009: Muhson,A Faktor-faktor yang Mepengaruhi Inflasi di Indonesia. Laporan penelitian DIK FISE Univeristas Negeri Yogyakarta. Yogyakarta. Sah, M., Degtiarev, K.Y Forecasting enrollents odel based on first-order fuzzy tie series. Transaction on Engineering Coputing and Technology, VI, Scheick, J.T Linear algebra with applications. McGraw- Hill. Singapore. Song, Q., Chisso, B.S Fuzzy tie series and its odels. Fuzzy Sets and Systes, 54,
Penerapan Logika Samar dalam Peramalan Data Runtun Waktu
Penerapan Logika Samar dalam Peramalan Data Runtun Waktu Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Abstract Recently, there are
Lebih terperinciPenentuan Akar-Akar Sistem Persamaan Tak Linier dengan Kombinasi Differential Evolution dan Clustering
Jurnal Kubik, Volue No. ISSN : 338-0896 Penentuan Akar-Akar Siste Persaaan Tak Linier dengan Kobinasi Differential Evolution dan Clustering Jaaliatul Badriyah Jurusan Mateatika, Universitas Negeri Malang
Lebih terperinciSistem Linear Max-Plus Interval Waktu Invariant
Siste Linear Max-Plus Interval Waktu Invariant A 11 M. Andy udhito Progra Studi Pendidikan Mateatika FKIP Universitas Sanata Dhara Paingan Maguwoharjo Yogyakarta eail: arudhito@yahoo.co.id Abstrak elah
Lebih terperinciBAB I PENDAHULUAN. dalam skala prioritas pembangunan nasional dan daerah di Indonesia
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional
Lebih terperinciBENTUK NORMAL SMITH DAN MATRIKS BAIK KIRI/KANAN
BENTUK NORMAL SMITH DAN MATRIKS BAIK KIRI/KANAN Yuiati (yui@ail.ut.ac.id) Universitas Terbuka ABSTRACT The Sith noral for and left good atrix have been known in atrix theore. Any atrix over the principal
Lebih terperinciBAB III METODE BEDA HINGGA CRANK-NICOLSON
BAB III METODE BEDA HINGGA CRANK-NICOLSON 3. Metode Beda Hingga Crank-Nicolson (C-N) Metode Crank-Nicolson dikebangkan oleh Crank John dan Phyllips Nicholson pada pertengahan abad ke-, etode ini erupakan
Lebih terperinciKELUARGA METODE ITERASI ORDE EMPAT UNTUK MENCARI AKAR GANDA PERSAMAAN NONLINEAR ABSTRACT
KELUARGA METODE ITERASI ORDE EMPAT UNTUK MENCARI AKAR GANDA PERSAMAAN NONLINEAR Kiki Reski Ananda 1 Khozin Mu taar 2 12 Progra Studi S1 Mateatika Jurusan Mateatika Fakultas Mateatika dan Ilu Pengetahuan
Lebih terperinciJARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI
JARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI Winita Sulandari 1, Titin Sri Martini 1, Nughthoh Arfawi Kurdhi 1, Hartatik 2, Yudho Yudhanto 2
Lebih terperinciKonstruksi Kode Cross Bifix Bebas Ternair Untuk Panjang Ganjil
Prosiding SI MaNIs (Seinar Nasional Integrasi Mateatika dan Nilai Islai) Vol.1, No.1, Juli 017, Hal. 1-5 p-issn: 580-4596; e-issn: 580-460X Halaan 1 Konstruksi Kode Cross Bifix Bebas Ternair Untuk Panjang
Lebih terperinciPeramalan Inflasi dengan Metode Weighted Fuzzy Time Series
Peramalan Inflasi dengan Metode Weighted Fuzzy Time Series Oleh: Dwi Ayu Lusia (1307 100 013) Pembimbing: Dr. Suhartono, M.Sc 1 seminar hasil Tugas Akhir S1 Statistika 24 Juni 2011 Latar belakang masalah
Lebih terperinciBilangan Kromatik Lokasi n Amalgamasi Bintang yang dihubungkan oleh suatu Lintasan
Jurnal Mateatika Integratif. Vol. 13, No. 2 (2017), pp. 115 121. p-issn:1412-6184, e-issn:2549-903 doi:10.24198/ji.v13.n2.11891.151-121 Bilangan Kroatik Lokasi n Aalgaasi Bintang yang dihubungkan oleh
Lebih terperinciPEMODELAN INFLASI BERDASARKAN HARGA-HARGA PANGAN MENGGUNAKAN SPLINE MULTIVARIABEL. Abstract
Peodelan Inflasi (Alan Prahutaa) PEMODELAN INFLASI BERDASARKAN HARGA-HARGA PANGAN MENGGUNAKAN SPLINE MULTIVARIABEL Alan Prahutaa 1, Tiani Wahyu U, Rezzy Eko C 3, Dede Zurohtuliyosi 3 1 Dosen Jurusan Statistika
Lebih terperinciBAB I PENDAHULUAN. pembangunan di bidang-bidang lain, seperti sosial, politik, dan budaya. perbedaan antara yang kaya dengan yang miskin.
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional
Lebih terperinciKAJIAN METODE ZILLMER, FULL PRELIMINARY TERM, DAN PREMIUM SUFFICIENCY DALAM MENENTUKAN CADANGAN PREMI PADA ASURANSI JIWA DWIGUNA
Jurnal Mateatika UNAND Vol. 3 No. 4 Hal. 160 167 ISSN : 2303 2910 c Jurusan Mateatika FMIPA UNAND KAJIAN METODE ZILLMER, FULL PRELIMINARY TERM, DAN PREMIUM SUFFICIENCY DALAM MENENTUKAN CADANGAN PREMI PADA
Lebih terperinciT 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia
T 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia Aidatul Fitriah 1, Agus Maman Abadi 2 1) Program Studi Matematika, FMIPA Universitas Negeri Yogyakarta 2) Jurusan Pendidikan Matematika,
Lebih terperinciPerbandingan Bilangan Dominasi Jarak Satu dan Dua pada Graf Hasil Operasi Comb
Perbandingan Bilangan Doinasi Jarak Satu dan Dua pada Graf Hasil Operasi Cob Reni Uilasari 1) 1) Jurusan Teknik Inforatika, Fakultas Teknik, Universitas Muhaadiyah Jeber Eail : 1) reniuilasari@gailco ABSTRAK
Lebih terperinciI. PENDAHULUAN. Konsep teori graf diperkenalkan pertama kali oleh seorang matematikawan Swiss,
I. PENDAHULUAN. Latar Belakang Konsep teori graf diperkenalkan pertaa kali oleh seorang ateatikawan Swiss, Leonard Euler pada tahun 736, dala perasalahan jebatan Konigsberg. Teori graf erupakan salah satu
Lebih terperinciKAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE () DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah 06 0 05 Desen pebibing:
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS Sylvia Swidaning Putri, Winita Sulandari dan Muslich Program Studi Matematika
Lebih terperinciPeramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Peramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP Harjono 1, Malim Muhammad 2, Lukmanul Akhsani 3 Universitas Muhammadiyah Purwokerto
Lebih terperinciImplementasi Histogram Thresholding Fuzzy C-Means untuk Segmentasi Citra Berwarna
JURNAL TEKNIK POMITS Vol., No., (03) ISSN: 337-3539 (30-97 Print) Ipleentasi Histogra Thresholding Fuzzy C-Means untuk Segentasi Citra Berwarna Risky Agnesta Kusua Wati, Diana Purwitasari, Rully Soelaian
Lebih terperinciPenerapan Metode Fuzzy Tsukamoto Untuk Prediksi Nilai Tukar Rupiah
ISSN: 2089-3787 609 Penerapan Metode Fuzzy Tsukamoto Untuk Prediksi Nilai Tukar Rupiah Adani Dharmawati, Hugo Aprilianto STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru adani.dharmawati@yahoo.com, hugo.aprilianto@gmail.com
Lebih terperinciFAMILI BARU DARI METODE ITERASI ORDE TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR DENGAN AKAR GANDA ABSTRACT
FAMILI BARU DARI METODE ITERASI ORDE TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR DENGAN AKAR GANDA Elvi Syahriah 1, Khozin Mu taar 2 1,2 Progra Studi S1 Mateatika Jurusan Mateatika Fakultas Mateatika
Lebih terperinciDiberikan sebarang relasi R dari himpunan A ke B. Invers dari R yang dinotasikan dengan R adalah relasi dari B ke A sedemikian sehingga
Departent of Matheatics FMIPA UNS Lecture 3: Relation C A. Universal, Epty, and Equality Relations Diberikan sebarang hipunan A. Maka A A dan erupakan subset dari A A dan berturut-turut disebut relasi
Lebih terperinciPERAMALAN CADANGAN DEVISA INDONESIA MENGGUNAKAN METODE GRUP VARIASI FUZZY
PERAMALAN CADANGAN DEVISA INDONESIA MENGGUNAKAN METODE GRUP VARIASI FUZZY oleh MARISA RAMDHAYANTI M0110054 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciGBPP. SPMI-DARMAJAYA/GBPP/ Garis Besar Program Pembelajaran Mata Kuliah Fuzzy Logic
GARIS BESAR PROGAM PEMBELAJARAN (GBPP) GBPP Revisi : Tanggal : Dikaji Ulang Oleh : Dikendalikan Oleh : Disetujui Oleh : Revisi ke Tanggal SPMI-DARMAJAYA/GBPP/ Garis Besar Progra Pebelajaran Mata Kuliah
Lebih terperinciPENGARUH POSISI BEBAN DAN MOMEN INERSIA TERHADAP PUTARAN KRITIS PADA MODEL POROS MESIN KAPAL
PENGARUH POSISI BEBAN DAN MOMEN INERSIA TERHADAP PUTARAN KRITIS PADA MODEL POROS MESIN KAPAL Waris Wibowo Staf Pengajar Akadei Mariti Yogyakarta (AMY) ABSTRAK Penelitian ini bertujuan untuk endapatkan
Lebih terperinciOleh : Rahanimi Pembimbing : Dr. M Isa Irawan, M.T
PERAMALAN JUMLAH MAHASISWA PENDAFTAR PMDK JURUSAN MATEMATIKA MENGGUNAKAN METODE AUTOMATIC CLUSTERING DAN RELASI LOGIKA FUZZY (STUDI KASUS di INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA) Oleh : Rahanimi
Lebih terperinciFaktor-Faktor yang Mempengaruhi Angka Gizi Buruk Di Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-9X D-77 Faktor-Faktor yang Mepengaruhi Angka Gizi Buruk Di Jawa Tiur dengan Pendekatan Regresi Nonparaetrik Spline Riana Kurnia Dewi, I Nyoan Budiantara
Lebih terperinciPENENTUAN BESAR CADANGAN PADA ASURANSI JIWA BERSAMA DWIGUNA DENGAN MENGGUNAKAN METODE ILLINOIS
Jurnal Mateatika UNAND Vol. 5 No. 3 Hal. 85 91 ISSN : 2303 2910 c Jurusan Mateatika FMIPA UNAND PENENTUAN BESAR CADANGAN PADA ASURANSI JIWA BERSAMA DWIGUNA DENGAN MENGGUNAKAN METODE ILLINOIS FERDY NOVRI
Lebih terperinciANALISIS HOMOTOPI DALAM PENYELESAIAN SUATU MASALAH TAKLINEAR
ANALISIS HOMOTOPI DALAM PENYELESAIAN SUATU MASALAH TAKLINEAR JAHARUDDIN Departeen Mateatika, Fakultas Mateatika dan Iu Pengetahuan Ala, Institut Pertanian Bogor Jln. Meranti, Kapus IPB Draaga, Bogor 1668,
Lebih terperinciPERHITUNGAN INTEGRAL FUNGSI REAL MENGGUNAKAN TEKNIK RESIDU
PERHITUNGAN INTEGRAL FUNGSI REAL MENGGUNAKAN TEKNIK RESIDU Warsito (warsito@ail.ut.ac.id) Universitas Terbuka ABSTRAT A function f ( x) ( is bounded and continuous in (, ), so the iproper integral of rational
Lebih terperinciModel Peramalan Jumlah Pernikahan Menggunakan Metode Fuzzy Time Series dengan Algoritma Average Based Length pada KUA
Model Peramalan Jumlah Pernikahan Menggunakan Metode Fuzzy Time Series dengan Algoritma Average Based Length pada KUA Solikhin 1, Martono 2, Puji Nugroho 3) 1,3 Program Studi Sistem Informasi, STMIK Himsya
Lebih terperinciDefinisi 3.3: RUANG SAMPEL KONTINU Ruang sampel kontinu adalah ruang sampel yang anggotanya merupakan interval pada garis bilangan real.
0 RUANG SAMPEL Kita akan eperoleh ruang sapel, jika kita elakukan suatu eksperien atau percobaan. Eksperien disini erupakan eksperien acak. Misalnya kita elakukan suatu eksperien yang diulang beberapa
Lebih terperinciSIFAT-SIFAT OPERASI ARITMATIKA, DETERMINAN DAN INVERS PADA MATRIKS INTERVAL TUGAS AKHIR. Oleh : NURSUKAISIH
SIFAT-SIFAT OPERASI ARITMATIKA DETERMINAN DAN INVERS PADA MATRIKS INTERVAL TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Meperoleh Gelar Sarjana Sains pada Jurusan Mateatika Oleh : NURSUKAISIH 0854003938
Lebih terperinciJURNAL PENELITIAN. Saintek
JURNAL PENELITIAN Saintek Volume 14, Nomor 1, April 2009 JURNAL PENELITIAN 1412-3991 penerbit: Lembaga Penelitian Universitas Negeri yogyakarta Pemimpin Umum/penanggung Jawab: Ketua Lembaga Penelitian
Lebih terperinciANALISIS METODE FIRST ORDER AND TIME INVARIANT MODEL UNTUK PERAMALAN HARGA SAHAM
ANALISIS METODE FIRST ORDER AND TIME INVARIANT MODEL UNTUK PERAMALAN HARGA SAHAM Reny Fitri Yani 1, Luh Kesuma Wardhani 2, Febi Yanto 3 Jurusan Teknik Informatika, Fakultas Sains dan Teknologi Universitas
Lebih terperinciPenyelesaian Algortima Pattern Generation dengan Model Arc-Flow pada Cutting Stock Problem (CSP) Satu Dimensi
Penyelesaian Algortia Pattern Generation dengan Model Arc-Flow pada Cutting Stock Proble (CSP) Satu Diensi Putra BJ Bangun, Sisca Octarina, Rika Apriani Jurusan Mateatika Fakultas MIPA Universitas Sriwijaya
Lebih terperinciBAB III ESTIMASI PARAMETER PADA MODEL REGRESI LOGISTIK 2-LEVEL. Model hirarki 2-level merupakan model statistik yang digunakan untuk
BAB III ESTIMASI PARAMETER PADA MODEL REGRESI LOGISTIK -LEVEL Model hirarki -level erupakan odel statistik ang digunakan untuk enganalisis data ang bersarang, atau data ang epunai struktur hirarki -level.
Lebih terperinciPeramalan Data IHSG Menggunakan Metode Backpropagation
Peramalan Data IHSG Menggunakan Metode Backpropagation Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Diterima 31 Agustus 2012 Disetujui
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data dan Variabel 2.1.1 Data Pengertian data enurut Webster New World Dictionary adalah things known or assued, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap.
Lebih terperinciPenjadwalan Pekerjaan pada No-Wait Flowshop dengan Pembatas Common Due-Date
Perfora (2003) Vol. 2, No.: - 5 Penjadwalan Pekerjaan pada No-Wait Flowshop dengan Pebatas Coon Due-Date Yuniaristanto Jurusan Teknik Industri, Universitas Sebelas Maret, Surakarta Abstract This paper
Lebih terperinci2-EKSPONEN DIGRAPH DWIWARNA ASIMETRIK DENGAN DUA CYCLE YANG BERSINGGUNGAN
Bulletin of Matheatics Vol. 03 No. 0 (20) pp. 39 48. 2-EKSPONEN DIGRAPH DWIWARNA ASIMETRIK DENGAN DUA CYCLE YANG BERSINGGUNGAN Mardiningsih Saib Suwilo dan Indra Syahputra Abstract. Let D asyetric two-coloured-digraph
Lebih terperinciKONSTRUKSI KODE CROSS BIFIX BEBAS TERNAIR BERPANJANG GENAP UNTUK MENGATASI MASALAH SINKRONISASI FRAME
KONSTRUKSI KODE CROSS BIFIX BEBAS TERNAIR BERPANJANG GENAP UNTUK MENGATASI MASALAH SINKRONISASI FRAME Moh. Affaf 1, Zaiful Ulu 1, STKIP PGRI Bangkalan, ohaffaf@stkippgri-bkl.ac.id, zaifululu@stkippgri-bkl.ac.id
Lebih terperinciPERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL RUNTUN WAKTU FUZZY -RANTAI MARKOV
PERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL RUNTUN WAKTU FUZZY -RANTAI MARKOV oleh ERIKHA AJENG CHISWARI NIM. M0111028 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciMATRIKS DALAM LABORATORIUM oleh : Sugata Pikatan
Kristal no.12/april/1995 1 MATRIKS DALAM LABORATORIUM oleh : Sugata Pikatan Di dala ateatika anda pasti sudah pernah berhadapan dengan sebuah siste persaaan linier. Cacah persaaan yang berada di dala siste
Lebih terperinciMEMPREDIKSI BESAR GEMPA DISEKITAR PULAU JAWA MENGGUNAKAN PEMODELAN FUZZY
Jurnal Pendidikan Matematika βeta Vol. 8 No.1 (Mei) 2015; Hal. 97-111; ISSN 2085-5893; Beta 2015 Beta tersedia online pada: http://ejurnal.iainmataram.ac.id/index.php/beta MEMPREDIKSI BESAR GEMPA DISEKITAR
Lebih terperinciTEOREMA ELIMINASI CUT PADA SISTEM LOGIKA FL gc DAN FL w,gc
Jurnal Mateatika Vol 0 No Agustus 007:39-4 ISSN: 40-858 TEOREMA ELIMINASI CUT PAA SISTEM LOGIKA FL gc AN FL wgc Bayu Surarso Jurusan Mateatika FMIPA UNIP Jl Prof H Soedarto SH Tebalang Searang 5075 Abstract
Lebih terperinciBAB I PENDAHULUAN. sumber untuk membiayai dirinya dan keluarganya, dan bagi tenaga kerja yang
BAB I PENDAHULUAN A. Latar Belakang Upah bagi para pekerja erupakan faktor penting karena erupakan suber untuk ebiayai dirinya dan keluarganya, dan bagi tenaga kerja yang berpendidikan upah erupakan hasil
Lebih terperinciBAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS
BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS 3.1 Model Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volue, Noor 4, Tahun 013, Halaan 343-350 Online di: http://eournal-s1.undip.ac.id/index.php/gaussian SEGMENTASI PASAR PADA PUSAT PERBELANJAAN MENGGUNAKAN FUZZY C-MEANS (STUDI KASUS: RITA
Lebih terperinciMODEL PREDIKSI PRODUCTION DELAY DALAM PROSES PRODUKSI STRIP MILL DENGAN METODE ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM
Journal Industrial Servicess Vol. 3 No. 2 Maret 2018 MODEL PREDIKSI PRODUCTION DELAY DALAM PROSES PRODUKSI STRIP MILL DENGAN METODE ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM Yusraini Muharni Jurusan Teknik
Lebih terperinciPERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES
PERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES Endah Puspitasari 1, Lilik Linawati 2, Hanna Arini Parhusip 3 1,2,3 Progam Studi Matematika Fakultas Sains
Lebih terperinciPERENCANAAN ALTERNATIF STRUKTUR BAJA GEDUNG MIPA CENTER (TAHAP I) FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG JURNAL
PERENCANAAN ALTERNATIF STRUKTUR BAJA GEDUNG MIPA CENTER (TAHAP I) FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG JURNAL Diajukan untuk eenuhi persyaratan eperoleh gelar Sarjana
Lebih terperinciPengujian Metode Fuzzy Time Series Chen dan Hsu Untuk Meramalkan Nilai Indeks Bursa Saham Syariahh Di Jakarta J Islamic Index (JII)
Pengujian Metode Fuzzy Time Series Chen dan Hsu Untuk Meramalkan Nilai Indeks Bursa Saham Syariahh Di Jakarta J Islamic Index (JII) Rizkaa Zulfikar, Prihatini Ade`Mayvita 1,2) Universitas Islam Kalimantan
Lebih terperinciFORECASTING EARTHQUAKE MAGNITUDE AROUND JAVA ISLAND BY USING FUZZY MODELING
βeta p-issn: 2085-5893 / e-issn: 2541-0458 http://jurnalbeta.ac.id Vol. 8 No. 1 (Mei) 2015, Hal. 79-85 βeta 2015 FORECASTING EARTHQUAKE MAGNITUDE AROUND JAVA ISLAND BY USING FUZZY MODELING Hari Purnomo
Lebih terperinciPEMILIHAN KRITERIA DALAM PEMBUATAN KARTU KREDIT DENGAN MENGGUNAKAN METODE FUZZY AHP
E-Jurnal Mateatika Vol. 3, No. Januari 204, 25-32 ISSN: 2303-75 PEMILIHAN KRITERIA DALAM PEMBUATAN KARTU KREDIT DENGAN MENGGUNAKAN METODE FUZZY AHP JOKO HADI APRIANTO, G. K. GANDHIADI 2, DESAK PUTU EKA
Lebih terperinciMetode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh T - 42 Yudha Al Afis, Agus Maman Abadi Prodi Matematika,
Lebih terperinciALJABAR MAX-PLUS BILANGAN KABUR (Fuzzy Number Max-Plus Algebra) INTISARI ABSTRACT
M. And Rhudito, dkk., Aljabar Max-Plus Bilangan Kabur ALJABAR MAX-PLUS BILANGAN KABUR (Fuzz Nuber Max-Plus Algebra) M. And Rudhito, Sri Wahuni 2, Ari Suparwanto 2 dan F. Susilo 3 Jurusan Pendidikan Mateatika
Lebih terperinciPerbandingan Mean Squared Error (MSE) Metode Prasad-Rao dan Jiang-Lahiri-Wan Pada Pendugaan Area Kecil
Vol. 2, 2017 Perbandingan Mean Squared Error (MSE) Metode Prasad-Rao dan Jiang-Lahiri-Wan Pada Pendugaan Area Kecil Widiarti 1*, Rifa Raha Pertiwi 2, & Agus Sutrisno 3 Jurusan Mateatika, Fakultas Mateatika
Lebih terperinciPERAMALAN MULTI ATRIBUT DENGAN MENGGUNAKAN FUZZY CLUSTERING (STUDI KASUS: STOCK PRICE)
PERAMALAN MULTI ATRIBUT DENGAN MENGGUNAKAN FUZZY CLUSTERING (STUDI KASUS: STOCK PRICE ABSTRAK Sektor ekonoi erupakan salah satu sektor yang paling dekat dengan anusia, yang diana salah satu bentuk yang
Lebih terperinciPeramalan Menggunakan Metode Fuzzy Time Series Cheng. Forecasting Using Fuzzy Time Series Cheng Method
Jurnal EKSPONENSIAL Volume 8, Nomor, Mei 07 ISSN 085-789 Peramalan Menggunakan Metode Fuzzy Time Series Cheng Forecasting Using Fuzzy Time Series Cheng Method Sumartini, Memi Nor Hayati, dan Sri Wahyuningsih
Lebih terperinciPERAMALAN SUHU UDARA DI YOGYAKARTA DENGAN MENGGUNAKAN MODEL FUZZY
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 PERAMALAN SUHU UDARA DI YOGYAKARTA DENGAN MENGGUNAKAN MODEL FUZZY Jayus Priyana
Lebih terperinciPEMILIHAN PERINGKAT TERBAIK FESTIVAL KOOR MENGGUNAKAN METODE TOPSIS
Seinar Nasional Teknologi Inforasi dan Kounikasi 01 (SENTIKA 01 ISSN: 089-981 Yogyakarta, 8 Maret 01 PEMILIHAN PERINGKAT TERBAIK FESTIAL KOOR MENGGUNAKAN METODE TOPSIS Sauel Manurung 1 1Progra Studi Teknik
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting untuk mengetahui kondisi ekonomi di suatu daerah dalam suatu periode tertentu, baik atas
Lebih terperinciPENGGUNAAN METODE HOMOTOPI PADA MASALAH PERAMBATAN GELOMBANG INTERFACIAL
PENGGUNAAN METODE HOMOTOPI PADA MASALAH PERAMBATAN GELOMBANG INTERFACIAL JAHARUDDIN Departeen Mateatika Fakultas Mateatika Ilu Pengetahuan Ala Institut Pertanian Bogor Jl Meranti, Kapus IPB Daraga, Bogor
Lebih terperinciUSULAN PERBAIKAN RANCANGAN TATA LETAK MESIN MENGGUNAKAN GROUP TECHNOLOGY DENGAN METODE RANK ORDER CLUSTERING 2 (ROC2) (STUDI KASUS DI PT.
USULAN PERBAIKAN RANCANGAN TATA LETAK MESIN MENGGUNAKAN GROUP TECHNOLOGY DENGAN METODE RANK ORDER CLUSTERING 2 (ROC2) (STUDI KASUS DI PT.STALLION) Kartika Suhada, Santoso 2, Bobby Christian Mandagi 3 Absak
Lebih terperinciPERAMALAN DATA PRODUK DOMESTIK BRUTO DENGAN FUZZY TIME SERIES MARKOV CHAIN
PERAMALAN DATA PRODUK DOMESTIK BRUTO DENGAN FUZZY TIME SERIES MARKOV CHAIN Maria Titah Jatipaningrum Jurusan Statistika, Fakultas Sains Terapan Institut Sains & Teknologi AKPRIND Yogyakarta titahjp@akprind.ac.id
Lebih terperinciBAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM
BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM 3.1 Pengertian Dasar Peramalan Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi
Lebih terperinciPrediksi Nilai Indeks Harga Konsumen (IHK) Kota Jambi Menggunakan Radial Basis Function Neural Network (RBFNN) dengan Metode Fuzzy C-Means Clustering
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 12 Prediksi Nilai Indeks Harga Konsumen (IHK) Kota Jambi Menggunakan Radial Basis Function Neural Network (RBFNN) dengan Metode Fuzzy C-Means Clustering
Lebih terperinciPrediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series
Prediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series Arfinda Setiyoutami a, Wiwik Anggraeni b, Renny Pradina Kusumawardani c Jurusan Sistem Informasi
Lebih terperinciPENDEKATAN ANALISIS FUZZY CLUSTERING
PENDEKATAN ANALISIS FUZZY CLUSTERING PADA PENGELOMPOKKAN STASIUN POS HUJAN UNTUK MEMBUAT ZONA PRAKIRAAN IKLIM (ZPI) (Studi Kasus Pengelopokkan Zona Prakiraan Ikli (ZPI) dengan Data Curah Hujan di Kabupaten
Lebih terperinciKEBERADAAN SOLUSI PERSAMAAN DIOPHANTIN MATRIKS POLINOMIAL DAN PENYELESAIANNYA MENGGUNAKAN TITIK-TITIK INTERPOLASI
KEBERADAAN SOLUSI PERSAMAAN DIOPHANTIN MATRIKS POLINOMIAL DAN PENYELESAIANNYA MENGGUNAKAN TITIK-TITIK INTERPOLASI Laila Istiani R. Heri Soelistyo Utoo 2, 2 Progra Studi Mateatika Jurusan Mateatika FMIPA
Lebih terperinciPENJUMLAHAN MOMENTUM SUDUT
PENJUMAHAN MOMENTUM SUDUT A. Penjulahan Moentu Sudut = + Gabar.9. Penjulahan oentu angular secara klasik. Dua vektor oentu angular dan dijulahkan enghasilkan Jika oentu angular elektron pertaa adalah dan
Lebih terperinciKata Kunci: Peramalan; metode Automatic Clustering And Fuzzy Logic Relationship Markov Chain;MAPE. 1. PENDAHULUAN
ISSN: 2528-463 PERAMALAN JUMLAH PENDAFTAR MAHASISWA BARU STMIK DUTA BANGSA SURAKARTA MENGGUNAKAN METODE AUTOMATIC CLUSTERING AND FUZZY LOGIC RELATIONSHIP MARKOV CHAIN Nurmalitasari¹ ), Sri Sumarlinda²
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciESTIMASI TINGKAT BI RATE
ESTIMASI TINGKAT BI RATE BERDASARKAN FAKTOR NILAI TUKAR(KURS USD/RP), JUB, INFLASI, IHSG DAN PDB MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Disusun oleh: Nama : AKHMAD KAHFI NPM :
Lebih terperinciBAB 3 METODE FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS PADA METODE CHEN DENGAN PENENTUAN INTERVAL BERBASIS RATA-RATA
BAB 3 METODE FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS PADA METODE CHEN DENGAN PENENTUAN INTERVAL BERBASIS RATA-RATA 3.1 Konsep Dasar Peramalan Peramalan merupakan bagian awal dari suatu proses
Lebih terperinciPERBANDINGAN METODE FUZZY TIME SERIES DAN HOLT DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR STEVEN
PERBANDINGAN METODE FUZZY TIME SERIES DAN HOLT DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR STEVEN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciJURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 31-40 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DATA RUNTUN WAKTU DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
Lebih terperinciPERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN
PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN SKRIPSI Oleh : TAUFAN FAHMI J2E008056 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPenggunaan Media Manik-Manik Untuk Meningkatkan Kemampuan Belajar Matematika Anak Tunagrahita. Maman Abdurahman SR dan Hayatin Nufus
Riset PenggunaanMedia Manik-Manik* Maan Abdurahan SR HayatinNufus Penggunaan Media Manik-Manik Untuk Meningkatkan Keapuan Belajar Mateatika Anak Tunagrahita Maan Abdurahan SR Hayatin Nufus Universitas
Lebih terperinciPENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA
PENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA Khanty Intan Lestari 1, Tine Soemartini 2, Resa Septiani Pontoh 3. Mahasiswa Program Studi Statistika Universitas
Lebih terperinciBAB III. Metode Penelitian. Penelitian ini menggunakan pendekatan kuantitatif yaitu data yang diukur dalam skala
BAB III Metode Penelitian A. Pendekatan Penelitian Penelitian ini menggunakan pendekatan kuantitatif yaitu data yang diukur dalam skala numerik, berdasarkan data time series yang berhubungan dengan inflasi,suku
Lebih terperinciPrediksi Inflasi dengan Neural Network Menggunakan Metode Backpropagation
Prediksi Inflasi dengan Neural Network Menggunakan Metode Backpropagation Nama : Ayu Choirunisa NPM : 51412280 Fakultas : Teknologi Industri Jurusan : Teknik Informatika Pembimbing : Dr. Asep Juarna LATAR
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Graf Graf G= (V G,E G ) adalah suatu siste yang terdiri dari hipunan berhingga tak kosong V G dari objek yang dinaakan titik (ertex) dan hipunan E G, pasangan tak berurut dari
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES TERBOBOT. 1. Pendahuluan
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES TERBOBOT Dennis Frisca Ayudya, Dewi Retno Sari Saputro, Santoso Budi Wiyono Program Studi Matematika FMIPA UNS Abstrak. Indeks harga
Lebih terperinciPEMODELAN FUZZY DENGAN METODE DEKOMPOSISI NILAI SINGULAR DAN APLIKASINYA UNTUK DIAGNOSIS KANKER SERVIKS. Jurnal
PEMODELAN FUZZY DENGAN METODE DEKOMPOSISI NILAI SINGULAR DAN APLIKASINYA UNTUK DIAGNOSIS KANKER SERVIKS Jurnal Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
Lebih terperinciHUBUNGAN ANTARA KECEPATAN, VOLUME DAN KEPADATAN LALU LINTAS RUAS JALAN SILIWANGI SEMARANG
HUBUNGAN ANTARA KECEPATAN, OLUME DAN KEPADATAN LALU LINTAS RUAS JALAN SILIWANGI SEMARANG Eko Nugroho Julianto Jurusan Teknik Sipil, Fakultas Teknik, Universitas Negeri Searang (UNNES) Gedung E4, Kapus
Lebih terperinciPenerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih
Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih Niska Ramadani Dosen Universitas Dehasen Bengkulu niskaramadani@gmail.com ABSTRAK Pertumbuhan penduduk harus
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL RUNTUN WAKTU FUZZY TIGA FAKTOR
PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL RUNTUN WAKTU FUZZY TIGA FAKTOR oleh MAULIDA DWI RAHMITANINGRUM M0111054 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciBab III S, TORUS, Sebelum mempelajari perbedaan pada grup fundamental., dan figure eight terlebih dahulu akan dipelajari sifat dari grup
GRUP FUNDAMENTAL PADA Bab III S, TORUS, P dan FIGURE EIGHT Sebelu epelajari perbedaan pada grup fundaental S, Torus, P, dan figure eight terlebih dahulu akan dipelajari sifat dari grup fundaental asing-asing
Lebih terperinciSoal-Soal dan Pembahasan Matematika IPA SBMPTN/SNMPTN 2008
Soal-Soal dan Pebahasan Mateatika IPA SBMPTN/SNMPTN 008. Diketahui fungsi-fungsi f dan g dengan f(x) g(x) x - x untuk setiap bilangan real x. Jika g(), f ' () f(), dan g ' () f(), aka g ' () A. C. 0 E.
Lebih terperinci(R.4) PENGUJIAN DAN PEMODELAN ASOSIASI DUA VARIABEL KATEGORIK MULTI-RESPON DENGAN METODE BOOTSTRAP DAN ALGORITMA GANGE
(R.4) PENGUJIAN DAN PEMODELAN ASOSIASI DUA VARIABEL KATEGORIK MULTI-RESPON DENGAN METODE BOOTSTRAP DAN ALGORITMA GANGE Giat Sudrajat Saruda, 2 Septiadi Padadisastra, 3 I Gede Nyoan Mindra Jaya Mahasiswa
Lebih terperinciPenerapan Metode Simpleks Untuk Optimalisasi Produksi Pada UKM Gerabah
Konferensi Nasional Siste & Inforatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Penerapan Metode Sipleks Untuk Optialisasi Produksi Pada UKM Gerabah Ni Luh Gede Pivin Suwirayanti STMIK STIKOM Bali Jl. Raya
Lebih terperinciKONSTRUKSI KODE CROSS BIFIX BEBAS TERNARI BERPANJANG GENAP UNTUK MENGATASI MASALAH SINKRONISASI FRAME
Jurnal Inforatika dan Koputer (JIKO) Volue, Noor, Septeber 017 KONSTRUKSI KODE CROSS BIFIX BEBAS TERNARI BERPANJANG GENAP UNTUK MENGATASI MASALAH SINKRONISASI FRAME Moh. Affaf 1), Zaiful Ulu Kedua ) 1,
Lebih terperinciEstimasi Nilai Tukar Rupiah Terhadap Dollar Amerika di Indonesia dengan Pendekatan Adaptive Neuro Fuzzy
JUDUL SKRIPSI : Estimasi Nilai Tukar Rupiah Terhadap Dollar Amerika di Indonesia dengan Pendekatan Adaptive Neuro Fuzzy Disusun oleh: Nama : ANNA FIRYANA NPM : 10208156 Jurusan : Manajemen / S1 Pembimbing
Lebih terperinciBAB III m BAHASAN KONSTRUKSI GF(3 ) dalam penelitian ini dapat dilakukan dengan mengacu pada konsep perluasan filed pada Bab II bagian 2.8.
BAB III BAHASAN KONSTRUKSI GF( ) Untuk engonstruksi GF( ) dala penelitian ini dapat dilakukan dengan engacu pada konsep perluasan filed pada Bab II bagian 28 Karena adalah bilangan pria, aka berdasarkan
Lebih terperinciABSTRAK. Kata kunci: IHSG, runtun waktu fuzzy, partisi interval berdasarkan frekuensi densitas. iii
ABSTRAK Sylvia Swidaning Putri. 2016. PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS. Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinci