PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS
|
|
- Hartono Halim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 FMIPA UNS ABSTRAK. Indeks harga saham gabungan merupakan salah satu indikator penting yang perlu diperhatikan sebelum berinvestasi karena perkembangan pasar modal sangat dipengaruhi oleh kegiatan investasi para investor. Dalam penelitian ini, metode runtun waktu fuzzy dengan partisi interval berdasarkan frekuensi densitas orde satu, orde dua, dan orde tiga diterapkan untuk meramalkan data indeks harga saham gabungan dari bulan Januari 202 sampai dengan Agustus 205. Hasil pembahasan menunjukkan bahwa orde dua menghasilkan nilai peramalan yang lebih baik dibanding orde satu dan tiga dengan penentuan interval pada runtun waktu fuzzy berdasarkan frekuensi densitas. Kata kunci: IHSG, runtun waktu fuzzy, partisi interval berdasarkan frekuensi densitas. PENDAHULUAN Indeks harga saham gabungan (IHSG) merupakan salah satu indikator penggerak harga saham. Pergerakan indeks sangat dipengaruhi ekspektasi investor atas kondisi fundamental negara maupun global (Pasaribu dkk., 2008). Peningkatan IHSG mempengaruhi pasar modal sehingga investor akan mengambil keputusan menjual saham, sedangkan penurunan IHSG akan menyebabkan investor tidak menjual saham. Peramalan perlu dilakukan sehingga investor mempunyai pandangan tentang keadaan IHSG di masa mendatang. Hansun (202) menggunakan metode runtun waktu fuzzy untuk meramalkan IHSG dan menyatakan bahwa metode runtun waktu fuzzy memberikan hasil peramalan yang cukup baik. Berdasarkan penelitian yang dilakukan oleh Huarng (200) dan Huarng dan Yu (2006) diketahui bahwa penentuan interval mempengaruhi hasil peramalan. Huarng (200) melakukan peramalan runtun waktu fuzzy dengan penentuan interval berbasis rata-rata (average based). Metode ini diterapkan untuk meramalkan pendaftaran Universitas Alabama dan menghasilkan peramalan yang efektif. Huarng dan Yu (2006) memperkenalkan metode penentuan interval berbasis rasio pada runtun waktu fuzzy commit to user dalam peramalan Taiwan Stock Exchange Capitalization Weighted Stock Index
2 (TAIEX). Tahun 2008, Jilani dan Burney mengembangkan metode penentuan interval dengan mempartisi kembali interval menggunakan frekuensi densitas disertai pembobot yang digunakan berdasarkan arah tren. Penerapan peramalan pada TAIEX menghasilkan nilai akurasi lebih baik karena interval dipartisi kembali sehingga residu yang diperoleh lebih kecil. Pada penelitian berikutnya, Jilani et al. (200) menerapkan kembali metode penentuan interval berdasarkan frekuensi densitas untuk meramalkan pendaftaran di Universitas Alabama tetapi tidak menggunakan pembobot dalam penentuan nilai peramalan. IHSG adalah data yang mempunyai pola tren, sehingga metode Jilani dan Burney (2008) dengan penentuan interval pada runtun waktu fuzzy berdasarkan frekuensi densitas dapat diterapkan dalam peramalan IHSG. Perhitungan peramalan pada metode tersebut menggunakan pembobot berdasarkan arah tren. Pada penelitian ini, peramalan IHSG menggunakan runtun waktu fuzzy orde satu, dua, dan tiga dalam penentuan interval berdasarkan frekuensi densitas. 2. RUNTUN WAKTU FUZZY Runtun waktu fuzzy adalah metode peramalan yang menggunakan prinsipprinsip fuzzy sebagai dasarnya. Metode runtun waktu fuzzy pertama kali diperkenalkan oleh Song dan Chissom (993, 994) untuk meramalkan pendaftaran Universitas Alabama. Song dan Chissom (993, 994) menyatakan bahwa jika himpunan semesta Y(t) R, t =,2,, n dengan f i (t) i =,2,, adalah himpunan fuzzy dan jika F(t) kumpulan dari f (t), f 2 (t), maka F(t) adalah runtun waktu fuzzy pada Y(t). Runtun waktu fuzzy F(t) dapat disebut sebagai variabel linguistik dengan A i sebagai nilai linguistik yang mungkin dari F(t). Jika F(t) = A j dipengaruhi oleh F(t ) = A i, maka relasi logika fuzzy antara F(t) dengan F(t ) adalah A i A j, sedangkan jika F(t) = A j dipengaruhi oleh F(t ), F(t 2),, F(t n) = A i, A k, A n maka relasi logika fuzzy orde ke-n adalah A n,, A k, A i A j. commit to user 2
3 3. RUNTUN WAKTU FUZZY-PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS Menurut Jilani dan Burney (2008) penentuan interval pada runtun waktu fuzzy dilakukan dengan mempartisi interval berdasarkan frekuensi densitas. Berikut ini adalah langkah metode penentuan interval pada runtun waktu fuzzy berdasarkan frekuensi densitas. () Menentukan himpunan semesta U = [U min U, U max + U 2 ] dengan U min dan U max adalah nilai minimum dan maksimum, sedangkan U dan U 2 adalah sembarang bilangan positif. (2) Membagi himpunan semesta U menjadi beberapa interval u, u 2,, u n dengan panjang yang sama. (3) Menentukan frekuensi data historis pada masing-masing interval. Mengurutkan interval-interval berdasarkan frekuensinya, dari frekuensi tertinggi sampai dengan terendah. Menentukan interval yang mempunyai frekuensi tertinggi dan dibagi dalam n subinterval yang sama panjang. Kemudian menentukan interval yang mempunyai frekuensi tertinggi kedua dan dibagi dalam n- subinterval yang sama panjang. Interval yang mempunyai frekuensi terendah tidak dibagi menjadi subinterval. Jika tidak ada frekuensi data pada sebuah interval, maka interval dihapuskan. (4) Mendefinisikan himpunan fuzzy A i pada himpunan semesta U dengan menggunakan partisi interval berdasarkan data frekuensi u, u 2,, u n. (5) Menentukan relasi logika fuzzy (RLF) dan menentukan grup relasi logika fuzzy (GRLF) dari semua relasi logika fuzzy. (6) Menentukan hasil peramalan. Nilai peramalan Y (α,j) (t) dihitung menggunakan rumus, a) untuk j = b) untuk 2 j n w + w 2 Y (α,j) (t) = ( ( w (m ) α + w ) 2 (m 2 ) α) α commit to user 3
4 c) untuk j = n l=j w l Y (α,j) (t) = ( w j ( (m j ) α + w j (m j ) α + w j+ (m j+ ) α )) himpunan semesta U menjadi commit beberapa to interval. user j+ w n + w n Y (α,j) (t) = ( ( w n (m n ) α + w ) n (m n ) α) dengan 0 < α, m i adalah nilai tengah dari interval u j dan w i adalah pembobot. Kriteria untuk pemilihan pembobot pada Y (α,j) (t) sebagai berikut.. Jika ((Y(t ) Y(t 2)) (Y(t 2) Y(t 3)) > K, maka nilai tren naik dan pembobot pada Y (α,j) (t) menjadi w =, w 2 = 0.75, w j = 0.25, w j =, w j+ = 0.75, w n = 0.25, dan w n = 2. Jika ((Y(t ) Y(t 2)) (Y(t 2) Y(t 3)) < K, maka nilai tren turun dan pembobot Y (α,j) (t) menjadi w =, w 2 = 0.25, w j = 0.75, w j =, w j+ = 0.25, w n = 0.75, dan w n = 3. Jika ((Y(t ) Y(t 2)) (Y(t 2) Y(t 3)) = K, maka nilai tren tidak berubah dan pembobot pada Y (α,j) (t) menjadi w =, w 2 = 0.5, w j = 0.5, w j =, w j+ = 0.5, w n = 0.5, dan w n = dengan K adalah suatu konstanta sedemikian hingga nilai akar rata-rata kuadrat residunya minimum. α 4. METODE PENELITIAN Data yang digunakan dalam penelitian ini merupakan data IHSG dengan periode bulanan. Terdapat 44 data yang diambil dari bulan Januari 202 Agustus 205. Data dikelompokkan menjadi dua, yaitu 39 data periode Januari 202 Maret 205 sebagai data pelatihan dan 5 data periode April Agustus 205 sebagai data pengujian. Berikut adalah langkah analisis data yang dibutuhkan untuk mencapai tujuan penelitian. () Menentukan himpunan semesta U pada data IHSG kemudian membagi α 4
5 (2) Menentukan frekuensi pada data historis masing-masing interval untuk mempartisi interval kembali. (3) Menentukan himpunan fuzzy A i berdasarkan partisi interval dengan frekuensi densitas. (4) Menentukan fuzzifikasi data historis (5) Menentukan grup relasi logika fuzzy dari hasil fuzzifikasi untuk orde satu, dua, dan tiga. (6) Menentukan peramalan data pada waktu ke t =,2,,39 dengan metode Jilani dan Burney (2008). (7) Menghitung akurasi hasil peramalan root mean square error (RMSE) dan meramalkan satu periode ke depan. 5. HASIL PENELITIAN DAN PEMBAHASAN Data IHSG merupakan data runtun waktu. Plot data runtun waktu IHSG disajikan dalam Gambar IHSG (Poin) t (Bulan) Gambar. Pola data IHSG periode Januari 202 Agustus 205 Gambar menunjukkan pola data IHSG terlihat meningkat pada waktu tertentu sehingga data mengandung pola tren. Berikut adalah langkah metode runtun waktu fuzzy dengan partisi interval berdasarkan frekuensi densitas untuk meramalkan IHSG. () Menentukan himpunan semesta menjadi sebuah interval. Data terkecil pada IHSG adalah 3832,82 dan data terbesar adalah 558,67, dipilih U = 32,82 dan U 2 = 8,33 sehingga diperoleh himpunan semesta U = [3800, 5600]. U = [3800, 5600] dibagi menjadi commit 8 interval, to user dengan u = [3800,4025], u 2 = [4025,4250],, u 8 = [5375,5600]. 5
6 (2) Menentukan frekuensi densitas masing-masing interval. Dari Tabel diperoleh 7 frekuensi berbeda. Kemudian interval diurutkan berdasarkan frekuensinya, dari frekuensi tertinggi sampai dengan terendah. Interval tertinggi dipartisi menjadi 7 subinterval, interval tertinggi kedua dipartisi menjadi 6 subinterval dan seterusnya sampai dengan interval terendah tidak dipartisi. (3) Menentukan himpunan fuzzy A i dari masing-masing interval yang diperoleh pada Langkah 2. Setelah dilakukan partisi didapatkan 27 interval, dengan u, = [3800,3875],u 2, = [3900,450],, u 27, = [5400,5650]. Tabel. Frekuensi Data pada Interval Interval Frekuensi Data Interval Frekuensi Data u = [3800,3900] u 5 = [4650,4900] 6 u 2 = [3900,450] 6 u 6 = [4900,550] 8 u 3 = [450,4400] 9 u 7 = [550,5400] 2 u 4 = [4400,4650] 5 u 8 = [5400,5650] 2 (4) Menentukan fuzzifikasi data IHSG. Hasil fuzzifikasi data IHSG dinyatakan pada Tabel Tabel 2. Fuzzifikasi data IHSG Tahun t Y(t) F(t) ,69 A ,2 A ,55 A ,67 A 26 (5) Membentuk RLF dan GRLF pada orde satu, dua, dan tiga. Sebagai ilustrasi berikut adalah contoh GRLF pada orde tiga yang ditunjukkan Tabel 3. Tabel 3. Grup relasi logika fuzzy orde tiga No Grup Relasi fuzzy Grup A 2 A 3 A 5 A 6 Grup 2 A 3 A 5 A 6 A Grup 36 A 28 A 28 A 29 A 29 (6) Menentukan nilai peramalan waktu ke t. Hasil peramalan ditunjukkan pada Tabel 4. Penentuan penggunaan commit pembobot to user disesuaikan dengan arah tren. Konstanta K diperoleh melalui percobaan hingga didapatkan residu yang 6
7 minimum. Pada penelitian ini diperoleh K = 30 dengan residu minimum untuk orde satu, K = 70 untuk orde dua, dan K = 450 orde tiga. Sebagai contoh perhitungan peramalan orde tiga pada bulan April 202 (Y(t = 4)) maka (Y(t ) Y(t 2)) (Y(t 2) Y(t 3)) = 92,82 > K = 450 sehingga tren naik. Y(t = 4) mempunyai grup relasi logika fuzzy A 2 A 3 A 5 A 6, sehingga nilai peramalan waktu Y(t = 4) adalah Y (,6) (4) = ( w j +w j +w j+ w j m α + w j j m α + w j+ j m α j+ ) α = ( , ) 465, ,875 Tabel 4. Hasil peramalan orde satu, dua, dan tiga = 479,73 Tahun t Y(t) F(t) Orde Orde 2 Orde ,69 A ,2 A , ,55 A 5 40,45 40, ,73 A ,23 479,73 479, ,82 A 3805, , , ,4 A , , , ,29 A , , , ,67 A , , ,49 (7) Menghitung dan membandingkan hasil peramalan IHSG dengan melihat nilai RMSE. Perbandingan RMSE metode partisi interval pada runtun waktu fuzzy dengan frekuensi densitas disajikan dalam Tabel 5. Tabel 5. Hasil perhitungan RMSE untuk orde satu, dua, dan tiga Orde RMSE Data Pelatihan Data Pengujian 37,50 274, ,28 33,9 3 28,3 367,55 Tabel 4. menunjukkan bahwa pada orde satu data pengujian menghasilkan RMSE lebih kecil dibandingkan orde dua dan tiga, maka metode partisi interval dengan frekuensi densitas pada runtun waktu fuzzy orde satu digunakan untuk menghitung nilai peramalan satu periode ke depan bulan September 205. Pada Gambar commit 2 terlihat to user bahwa nilai peramalan data pengujian orde satu mengikuti pola dari nilai aktual. 7
8 IHSG Data Sebenarnya Peramalan BULAN Gambar 2. Perbandingan nilai aktual dengan nilai peramalan 6. KESIMPULAN Berdasarkan hasil penelitian dan pembahasan, disimpulkan bahwa penentuan konstanta K pada metode partisi interval runtun waktu fuzzy dengan frekuensi densitas yang dikembangkan Jilani dan Burney (2008) mempengaruhi peramalan IHSG. Orde satu pada data pengujian periode April sampai dengan Agustus 205 menghasilkan nilai peramalan yang lebih baik dibanding orde satu dan tiga. Peramalan satu periode ke depan untuk bulan September 205 menggunakan metode runtun waktu fuzzy dengan partisi interval berdasarkan frekuensi densitas orde satu adalah 479,73 poin. DAFTAR PUSTAKA Hansun, S Peramalan Data IHSG Menggunakan Fuzzy Time Series. IJJCS, Vol. 6, pp: Huarng, K Effective Lengths of Intervals to Improve Forecasting in Fuzzy Time Series, Fuzzy Sets and System, Vol. 23, pp: Huarng, K., and Yu, H. K Ratio-Based Lengths on Intervals to Improve Fuzzy Time Series Forecasting. IEEE Transactions on Systems, Man and Cybernetics Part B: Cybernetics, Vol.36, pp: Jilani, T. A., and Burney. S. M. A A refined fuzzy time-series model for stock market forecasting. Physica A, Vol. 387, pp: Jilani, T. A., Burney, S. M. A., and Ardil, C Fuzzy metric approach for fuzzy time series forecasting based on frequency dencity based partitionin. International Journal of Computational Intelligence, Vol. 4, pp: Pasaribu, P., Tobing, W. R. L., dan Manurung, A. H., Pengaruh Variabel Makroekonomi Terhadap IHSG Song, Q. and Chissom, B. S Forecasting Enrollments with Fuzzy Time Series part I. Fuzzy Sets and System, Vol. 54, pp: -9. Song, Q. and Chissom, B. S commit Forecasting to user Enrollments with Fuzzy Time Series part II. Fuzzy Sets and System, Vol. 62, pp: -8. 8
ABSTRAK. 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 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 Oleh SYLVIA SWIDANING PUTRI M0111079 SKRIPSI ditulis dan diajukan untuk memenuhi
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 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 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 terperinciBab II LANDASAN TEORI
Bab II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan
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 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 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 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 terperinciBAB IV HASIL DAN PEMBAHASAN Deskripsi Data
BAB IV HASIL DAN PEMBAHASAN 4.. Deskripsi Data Pada penelitian ini data yang digunakan adalah data bulanan banyaknya wisatawan yang datang di kota Surakarta dari Januari 200 sampai Desember 204. Data banyaknya
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 terperinciBAB 3 METODE PENELITIAN
10 BAB 3 METODE PENELITIAN 3.1 Metode Fuzzy Time Series yang dikembangkan oleh Song dan Chissom Song dan Chissom merupakan orang yang pertama kali memperkenalkan teori fuzzy time series yaitu dalam peramalan
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 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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan ilmu pengetahuan dan teknologi dewasa ini dapat membantu teknik peramalan suatu kejadian berdasarkan faktor faktor yang sudah diketahui sebelumnya. Hasil peramalan
Lebih terperinciMODEL HIBRIDA RUNTUN WAKTU FUZZY TERBOBOT-DERET FOURIER UNTUK PERAMALAN CURAH HUJAN DI DAERAH ALIRAN SUNGAI BENGAWAN SOLO
MODEL HIBRIDA RUNTUN WAKTU FUZZY TERBOBOT-DERET FOURIER UNTUK PERAMALAN CURAH HUJAN DI DAERAH ALIRAN SUNGAI BENGAWAN SOLO oleh INDIAWATI AYIK IMAYA M0111045 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciPERAMALAN MENGUNAKAN FUZZY TIME SERIES CHEN (STUDI KASUS: CURAH HUJAN KOTA SAMARINDA)
PERAMALAN MENGUNAKAN FUZZY TIME SERIES CHEN (STUDI KASUS: CURAH HUJAN KOTA SAMARINDA) 1 Normalita Fauziah, 2 Sri Wahyuningsih, 3 Yuki Novia Nasution 2 1,2 Program Studi Statistika, Fakultas Matematika
Lebih terperincioleh LILIS SETYORINI NIM. M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERAMALAN JUMLAH PEMINAT PROGRAM STUDI MATEMATIKA FMIPA UNS MENGGUNAKAN RUNTUN WAKTU FUZZY PADA PENENTUAN INTERVAL DENGAN METODE BERBASIS RATA-RATA DAN PENGELOMPOKAN OTOMATIS oleh LILIS SETYORINI NIM.
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 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 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 terperinciPERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN DI INDONESIA
PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY-MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA SKRIPSI Disusun Oleh : LINTANG AFDIANTI NURKHASANAH NIM. 24010211120004 JURUSAN STATISTIKA
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan (Forecasting) Peramalan merupakan suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
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 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 terperinciPERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES
PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES Nurmalitasari STMIK Duta Bangsa Surakarta nurmal_ita@yahoo.com ABSTRAK Penelitian ini bertujuan
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 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 terperinciModel Hibrida ARIMA dan Fuzzy Time Series Markov Chain
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Model Hibrida ARIMA dan Fuzzy Time Series Markov Chain Dennis Frisca Ayudya, Dewi Retno Sari Saputro Program Studi Matematika Universitas Sebelas Maret
Lebih terperinciPERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 015, Halaman 917-96 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini membahas teori penunjang yang berhubungan dengan penerapan metode average-based fuzzy time series pada sistem peramalan jumlah penjualan distributor telur. 2.1 Peramalan Peramalan
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 terperinciPERAMALAN INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES
PERAMALAN INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES Dwi Ayu Lusia 1, Suhartono 2 1 Mahasiswa Program Sarjana, Jurusan Statistika FMIPA-ITS (1307 100 013), 2 Dosen Pembimbing, Jurusan Statistika
Lebih terperinciPeramalan Suku Bunga Acuan (BI Rate) Menggunakan Metode Fuzzy Time Series dengan Percentage Change Sebagai Universe of Discourse
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 2017, hlm. 1285-1294 http://j-ptiik.ub.ac.id Peramalan Suku Bunga Acuan (BI Rate) Menggunakan Metode
Lebih terperinciJURNAL TEKNIK DINTEK, Vol. 10 No. 02, September 2017 : 21-31
ANALISIS PERBANDINGAN TINGKAT AKURASI METODE AVERAGE BASED FTS MARKOV CHAIN DENGAN AUTOMATIC CLAUSTERING FTS MARKOV CHAIN DALAM PERAMALAN DATA TIMESERIES Junaidi Noh Dosen Program Study Teknik Informatika
Lebih terperinciKata kunci: perubahan harga bahan bakar minyak, IHSG, fuzzy time series, soft computing, MAPE
IMPLEMENTASI METODE FUZZY TIME SERIES TERHADAP DAMPAK PERUBAHAN HARGA BAHAN BAKAR MINYAK (BBM) PADA INVESTASI SAHAM (STUDI PERISTIWA: SAHAM PADA IHSG DI BURSA EFEK INDONESIA) Budi Karyo Utomo Sistem Informasi,
Lebih terperinciKOMPARASI KINERJA FUZZY TIME SERIES DENGAN MODEL RANTAI MARKOV DALAM MERAMALKAN PRODUK DOMESTIK REGIONAL BRUTO BALI
E-Jurnal Matematika Vol 3 (3), Agustus 04, pp. - ISSN: 303-75 KOMPARASI KINERJA FUZZY TIME SERIES DENGAN MODEL RANTAI MARKOV DALAM MERAMALKAN PRODUK DOMESTIK REGIONAL BRUTO BALI I Made Arya Antara, I Putu
Lebih terperinciPENERAPAN MODEL WINTER RUNTUN WAKTU FUZZY TERBOBOT UNTUK MERAMALKAN BANYAKNYA PENUMPANG DI BANDARA INTERNASIONAL JUANDA SURABAYA
PENERAPAN MODEL WINTER RUNTUN WAKTU FUZZY TERBOBOT UNTUK MERAMALKAN BANYAKNYA PENUMPANG DI BANDARA INTERNASIONAL JUANDA SURABAYA oleh ANWAR SETYO UTOMO M0109012 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Relasi antara himpunan barisan dari data lalu diukur berdasarkan waktu untuk meramal nilai masa depan, di investigasi dengan peramalan time series, banyak alat statistika
Lebih terperinciPENERAPAN MODEL WINTER RUNTUN WAKTU FUZZY TERBOBOT UNTUK MERAMALKAN BANYAKNYA PENUMPANG DI BANDARA INTERNASIONAL JUANDA SURABAYA
PENERAPAN MODEL WINTER RUNTUN WAKTU FUZZY TERBOBOT UNTUK MERAMALKAN BANYAKNYA PENUMPANG DI BANDARA INTERNASIONAL JUANDA SURABAYA oleh ANWAR SETYO UTOMO M0109012 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciPerbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-34 Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG Mey Lista Tauryawati
Lebih terperinciPERBANDINGAN MODEL CHEN DAN MODEL CHENG PADA ALGORITMA FUZZY TIME SERIES UNTUK PREDIKSI HARGA BAHAN POKOK
PERBANDINGAN MODEL CHEN DAN MODEL CHENG PADA ALGORITMA FUZZY TIME SERIES UNTUK PREDIKSI HARGA BAHAN POKOK Arif Fadhillah Mahasiswa Jurusan Teknik Informatika, Fakultas Teknik, Universitas Maritim Raja
Lebih terperinciPERAMALAN KURS RUPIAH TERHADAP DOLAR DENGAN METODE BERBASIS RATA-RATA FUZZY TIME SERIES MARKOV CHAIN FUJI KURNIA NINGSIH
PERAMALAN KURS RUPIAH TERHADAP DOLAR DENGAN METODE BERBASIS RATA-RATA FUZZY TIME SERIES MARKOV CHAIN FUJI KURNIA NINGSIH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciKajian model Automatic Clustering-Fuzzy Time Series-Markov Chain dalam memprediksi data historis jumlah kecelakaan lalu lintas di kota Malang
J Sains Dasar 2() () 6-7 Kajian model Automatic Clustering-Fuzzy Time Series-Markov Chain dalam memprediksi data historis jumlah kecelakaan lalu lintas di kota Malang (Study of the Automatic Clustering-Fuzzy
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 terperinciPERAMALAN KONSUMSI GAS INDONESIA MENGGUNAKAN ALGORITMA FUZZY TIME SERIES STEVENSON PORTER Muh. Hasbiollah 1, RB. Fajriya Hakim 2
PERAMALAN KONSUMSI GAS INDONESIA MENGGUNAKAN ALGORITMA FUZZY TIME SERIES STEVENSON PORTER Muh. Hasbiollah 1, RB. Fajriya Hakim 2 1 Mahasiswa Jurusan Statistika Fakultas MIPA Universitas Islam Indonesia
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH. Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi semakin sulit untuk diperkirakan. Selama ini, manajer PT. Focus
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 terperinciJurnal MIPA 38 (2) (2015): Jurnal MIPA.
Jurnal MIPA 38 (2) (2015): 186-196 Jurnal MIPA http://journal.unnes.ac.id/nju/index.php/jm PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN METODE FUZZY TIME SERIES MARKOV CHAIN Y Aristyani 1 E Sugiharti
Lebih terperinciLEMBAR PENGESAHAN PERNYATAAN ABSTRAK...
DAFTAR ISI LEMBAR PENGESAHAN PERNYATAAN ABSTRAK... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iv DAFTAR ISI... vi DAFTAR TABEL... viii DAFTAR GAMBAR... ix DAFTAR SIMBOL... x BAB I PENDAHULUAN... 1 1.1
Lebih terperinciFUZZY TIME SERIES MARKOV CHAIN DALAM MERAMALKAN HARGA SAHAM
FUZZY TIME SERIES MARKOV CHAIN DALAM MERAMALKAN HARGA SAHAM Nurmalia Rukhansah 1, Much Aziz Muslim 2, Riza Arifudin 3 1 Jurusan Matematika, FMIPA, Universitas Negeri Semarang 2,3 Jurusan Ilmu Komputer,
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 terperinciSistem Informasi, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro 1,2
52 Pengukuran Kinerja Pelayanan Implementasi Metode Fuzzy Time Series Terhadap Dampak Perubahan Harga Bahan Bakar Minyak pada Investasi Saham (Studi Peristiwa : Saham pada IHSG di Bursa Efek Indonesia)
Lebih terperinciPeramalan Beban Listrik Jangka Pendek pada Sistem Kelistrikan Jawa Timur dan Bali Menggunakan Fuzzy Time Series
Peramalan Beban Listrik Jangka Pendek pada Sistem Kelistrikan Jawa Timur dan Bali Menggunakan Fuzzy Time Series BAGUS HANDOKO 2206 100 125 Jurusan Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih terperinciBAB 1 PENDAHULUAN. Sebagai pembuka dari penulisan skripsi, pada bab ini berisikan hal-hal yang
BAB 1 PENDAHULUAN Sebagai pembuka dari penulisan skripsi, pada bab ini berisikan hal-hal yang langsung berkaitan dengan penelitian meliputi latar belakang masalah, rumusan masalah, pembatasan masalah,
Lebih terperinciSKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program Studi Teknik Informatika
PERBANDINGAN METODE DOUBLE EXPONENTIAL SMOOTHING DAN FUZZY TIME SERIES PADA PERAMALAN PENJUALAN SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program
Lebih terperinciPenerapan 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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perdagangan saham merupakan salah satu motor penggerak ekonomi suatu negara. Sekuritas (saham) merupakan surat yang menunjukkan hak pemodal (yaitu pihak yang memiliki
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 terperinciDAFTAR ISI. ABSTRAK...ii. KATA PENGANTAR...iv. DAFTAR TABEL...xi. DAFTAR GAMBAR...xiii BAB I PENDAHULUAN Latar Belakang...
DAFTAR ISI ABSTRAK...ii KATA PENGANTAR...iv DAFTAR TABEL...xi DAFTAR GAMBAR...xiii BAB I PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...4 1.3 Batasan Masalah...5 1.4 Tujuan Penelitian...6
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciBAB III LANGKAH PEMECAHAN MASALAH
BAB III LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Koperasi Niaga Abadi Ridhotullah (KNAR) adalah badan usaha yang bergerak dalam bidang distributor makanan dan minuman ringan (snack). Koperasi
Lebih terperinciPeramalan Permintaan Daging Sapi Nasional Menggunakan Metode Multifactors High Order Fuzzy Time Series Model
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1764-1770 http://j-ptiik.ub.ac.id Peramalan Permintaan Daging Sapi Nasional Menggunakan Metode
Lebih terperinciKata Kunci : Fuzzy Time Series, Dasboard Analysis, SAP, Forecasting
Jurnal Ilmiah Solusi Vol.1 No. 3 September - Nopember 2014: 1-7 INTEGRASI DASHBOARD DENGAN FUZZY TIME SERIES DALAM MEMPREDIKSI KESEHATAN MASYARAKAT Jajam Haerul Jaman dan Oman Komarudin Fakultas Ilmu Komputer
Lebih terperinciMODEL ANALISIS PREDIKSI MENGGUNAKAN METODE FUZZY TIME SERIES
46 MODEL ANALISIS PREDIKSI MENGGUNAKAN METODE FUZZY TIME SERIES Kristiawan Nugroho AMIK JTC Semarang Abstrak Prediksi atau peramalan merupakan kegiatan yang memperkirakan kejadian di masa yang akan datang,
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Metode Peramalan Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA
SISTEM PENDUKUNG KEPUTUSAN PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA Alda Raharja - 5206 100 008! Wiwik Anggraeni, S.Si, M.Kom! Retno
Lebih terperinciBAB I PENDAHULUAN. menggunakan nota atau catatan yang kurang efisien. depan. Penggunaan sistem manual dalam melakukan penjualan spare part truk
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang semakin maju, mendorong masyarakat untuk dapat mengikuti perkembangannya. Khususnya dalam dunia bisnis dan perdagangan, teknologi memberi
Lebih terperinciPREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES
PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES ABSTRAK Oleh : Wulan Anggraeni
Lebih terperinciImplementasi Algoritme Average Time Based Fuzzy Time Series Untuk Peramalan Tingkat Inflasi Berdasarkan Kelompok Pengeluaran
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 10, Oktober 2018, hlm. 3533-3537 http://j-ptiik.ub.ac.id Implementasi Algoritme Average Time Based Fuzzy Time Series
Lebih terperinciPREDIKSI INDEKS HARGA SAHAM MENGGUNAKAN KOMBINASI ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) DAN TIME VARIANT FUZZY TIME SERIES (TVFTS)
ISSN : 255-965 e-proceeding of Engineering : Vol.2, No.2 Agustus 205 Page 684 PREDIKSI INDEKS HARGA SAHAM MENGGUNAKAN KOMBINASI ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) DAN TIME VARIANT FUZZY TIME SERIES
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu
Lebih terperinciPERAMALAN HARGA EMAS MENGGUNAKAN FUZZY TIME SERIES MARKOV CHAIN MODEL. Abstrak
PERAMALAN HARGA EMAS MENGGUNAKAN FUZZY TIME SERIES MARKOV CHAIN MODEL Nurmalia Rukhansah 1), Much Aziz Muslim 2), Riza Arifudin 3) 1,2,3 Fakultas Matematika dan IPA, Universitas Negeri Semarang 1 liarukhansah@gmail.com,
Lebih terperinciPrediksi Harga Saham dengan ARIMA
Prediksi Harga Saham dengan ARIMA Peramalan harga saham merupakan sesuatu yang ditunggu-tunggu oleh para investor. Munculnya model prediksi yang baru yang bisa meramalkan harga saham secara tepat merupakan
Lebih terperinciPREDIKSI CURAH HUJAN DENGAN MENGGUNAKAN FUZZY FORECASTING BERBASIS AUTOMATIC CLUSTERING DAN AXIOMATIC FUZZY SET CLASSIFICATION
ISSN : 255-965 e-proceeding of Engineering : Vol.4, No. Desember 2017 Page 5120 PREDIKSI CURAH HUJAN DENGAN MENGGUNAKAN FUZZY FORECASTING BERBASIS AUTOMATIC CLUSTERING DAN AXIOMATIC FUZZY SET CLASSIFICATION
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 terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciProgram Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
Lebih terperinciPRINCIPAL COVARIATE REGRESSION PADA DATA RUNTUN WAKTU
PRINCIPAL COVARIATE REGRESSION PADA DATA RUNTUN WAKTU Nuruma Nurul Malik 1, Fevi Novkaniza 2 Departemen Matematika FMIPA UI, Depok Email korespondensi : fevi.novkaniza@sci.ui.ac.id Abstrak Pada suatu data
Lebih terperinciPEDEKATAN MODEL FUZZY TIME SERIES DENGAN ANALYTIC HIERARCHY PROCESS UNTUK PERAMALAN MAHASISWA BERPRESTASI
PEDEKATAN MODEL FUZZY TIME SERIES DENGAN ANALYTIC HIERARCHY PROCESS UNTUK PERAMALAN MAHASISWA BERPRESTASI Rahmad Syah Jurusan Teknik Informatika, sekolah tinggi teknik harapan Jln. H.M Joni, Sumatera Utara,
Lebih terperinciPERBANDINGAN TINGKAT AKURASI METODE AUTOMATIC CLUSTERING, AVERAGE BASED, DAN MARKOV CHAIN FUZZY TIME SERIES PADA NILAI TUKAR (KURS) RUPIAH
PERBANDINGAN TINGKAT AKURASI METODE AUTOMATIC CLUSTERING, AVERAGE BASED, DAN MARKOV CHAIN FUZZY TIME SERIES PADA NILAI TUKAR (KURS) RUPIAH Skripsi disusun sebagai salah satu syarat untuk memperoleh gelar
Lebih terperinciMETODE FUZZY TIME SERIES STEVENSON PORTER DALAM MERAMALKAN KONSUMSI BATUBATA DI INDONESIA. Margiansyah Fitra 1, RB.
METODE FUZZY TIME SERIES STEVENSON PORTER DALAM MERAMALKAN KONSUMSI BATUBATA DI INDONESIA Margiansyah Fitra 1, RB. Fajriya Hakim 2 1 Mahasiswa JurusanStatistikaFakultas MIPA Universitas Islam Indonesia
Lebih terperinciMETODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
Lebih terperinciOptimasi Fuzzy Time Series Menggunakan Algoritme Particle Swarm Optimization untuk Peramalan Nilai Pembayaran Penjaminan Kredit Macet
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 6, Juni 2018, hlm. 2364-2373 http://j-ptiik.ub.ac.id Optimasi Fuzzy Time Series Menggunakan Algoritme Particle Swarm
Lebih terperinciBAB III LANGKAH PEMECAHAN MASALAH
BAB III LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi semakin sulit untuk diperkirakan. Sebenarnya perusahaan sudah
Lebih terperinciImplementasi Metode Fuzzy Time Series Cheng untuk prediksi Kosentrasi Gas NO2 Di Udara
Jurnal Sistem Informasi Bisnis 07(2017) On-line : http://ejournal.undip.ac.id/index.php/jsinbis 17 Implementasi Metode Fuzzy Time Series Cheng untuk prediksi Kosentrasi Gas NO2 Di Udara M Yoka Fathoni
Lebih terperinciPENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.
PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 955 email: dhatidja@yahoo.com ABSTRAK Penelitian ini
Lebih terperinciPENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU
PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU Romy Biri ), Yohanes A.R. Langi ), Marline S. Paendong ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl.
Lebih terperinciAnalisis Perbandingan Logika Fuzzy Time Series Sebagai Metode Peramalan Hafiz Riyadli STMIK Palangkaraya
Analisis Perbandingan Logika Fuzzy Time Series Sebagai Metode Peramalan Hafiz Riyadli STMIK Palangkaraya hafiz.riyadli@gmail.com Abstract - Fuzzy method in the world of information and communication technology
Lebih terperinciPERAMALAN BUTUHAN HIDUP MINIMUM MENGGUNAKAN AUTOMATIC CLUSTERING DAN FUZZY LOGICAL RELATIONSHIP
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol 3, No 2, Juni 2016, hlm 94-102 PERAMALAN BUTUHAN HIDUP MINIMUM MENGGUNAKAN AUTOMATIC CLUSTERING DAN FUZZY LOGICAL RELATIONSHIP Yusuf Priyo Anggodo
Lebih terperinciPERAMALAN (Forecast) (ii)
PERAMALAN (Forecast) (ii) Disajikan oleh: Bernardus Budi Hartono Web : http://pakhartono.wordpress.com E-mail: pakhartono at gmail dot com budihartono at acm dot org Teknik Informatika [Gasal 2009 2010]
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN:
PREDIKSI KURS RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN METODE FUZZY TIME SERIES CHEN dan HSU Wulan Anggraeni 1, Indra Suyahya 2 1 Program Studi Pendidikan Matematika, Universitas Indraprasta PGRI E-mail:
Lebih terperinciBAB IV PEMBAHASAN. BAB IV berisi pembahasan tahapan penelitian, yaitu klasifikasi logika. A. Identifikasi Data Cadangan Hidrokarbon
BAB IV PEMBAHASAN BAB IV berisi pembahasan tahapan penelitian yaitu klasifikasi logika fuzzy hasil pembahasan analisis pengujian model fuzzy dan visualisasi model fuzzy pada perhitungan cadangan hidrokarbon
Lebih terperinciPENGEMBANGAN SISTEM INFORMASI PERAMALAN PENJUALAN DI PT. TRIMITRA BUANA ENGINEERING MENGGUNAKAN METODE FUZZY TIME SERIES
PENGEMBANGAN SISTEM INFORMASI PERAMALAN PENJUALAN DI PT. TRIMITRA BUANA ENGINEERING MENGGUNAKAN METODE FUZZY TIME SERIES Gebyar Faisyal Beni Pranata 1, Indra Dharma 2, Erfan Rohadi 3 1,2,3 Program Studi
Lebih terperinciImplementasi Gabungan Metode Multi-Factors High Order Fuzzy Time Series dengan Fuzzy C-Means untuk Peramalan Tingkat Inflasi di Indonesia
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 548-964X Vol., No. 7, Juli 018, hlm. 569-577 http://j-ptiik.ub.ac.id Implementasi Gabungan Metode Multi-Factors High Order Fuzzy Time Series
Lebih terperinciPeramalan Jumlah Kunjungan Wisatawan Kota Batu Menggunakan Metode Time Invariant Fuzzy Time Series
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 548-964X Vol., No., Februari 7, hlm. 85-94 http://j-ptiik.ub.ac.id Peramalan Jumlah Kunjungan Wisatawan Kota Batu Menggunakan Metode Time
Lebih terperinci