BAB IV ANALISA DAN PERANCANGAN PROSES

Transkripsi

1 BAB IV ANALISA DAN PERANCANGAN 4.1 Gambaran Umum Sistem Implementasi sistem secara keseluruhan akan merancang sebuah sistem yang memprediksikan harga emas dengan menggunakan metode Automatic Clustering dan Chen s Method dalam logika Fuzzy. Data yang akan digunaka dalam sistem ini dalah data time series dari harga emas. Data tersebut akan diproses dengan menggunakan metode Automatic Clustering yang kemudian akan dilakukan proses peramalan menggukana metode Logika Fuzzy sehingga memperoleh hasil peramalannya. Secara umum gambaran sistem dapat dilihat pada gambar dibawah ini. PROSES DATA INPUT Harga Emas - Sortir data dan tentukan Average_dif - Automatic Clustering - Proses Fuzzifikasi ( dengan menggunakan chen s method) DATA OUTPUT Hasil Peramalan Gambar 4.1 Gambaran Umum Sistem Dari gambar diatas dapat diketahui bahwa : 1. Data masukan (input) adalah data harga emas dunia berupa data time series 2. Proses data, dalam proses ini dilakukan penyortiran data untuk menentukan average_dif data. Kemudian dilakukan proses Automatic Clustering terhadap data yang telah diurutkan diatas. Selanjutnya data tersebut dilakukan proses fuzzifikasi dengan menggunakan chen s method dalam logika fuzzy untuk mendapatkan hasil peramalan.

2 3. Data keluaran ( output) merupakan data hasil peramalan yang telah diolah dalam bagian proses diatas. 4.2 Analisa Metode Analisa metode dilakukan untuk mengetahui cara kerja dari metode yang akan diterapkan kedalam sistem. Selain itu pada tahap penganalisaan metode ini akan dilakukan perhitungan terstruktur sesuai dengan metode yang digunakan. Pada tahap ini juga dilakukan studi literatur untuk mengkaji dan memahami teoriteori dasar yang berkaitan dengan metode yang digunakan, konsep-konsep dasar fuzzy time series dan automatic clustering. Berikut ini adalah proses kerja metode automatic clestering dan logika fuzzy : Automatic Clustering Menyortir data kedalam pengurutan menaik Menentukan Average_dif Pengelompokan data berdasarkan prinsip clustering Pembentukan interval Membagi interval kedalam sub interval Relasi Logika Fuzzy Menghitung titik tengah setiap interval Mendefenisikan fuzzy set A i Fuzzifikasi data & membuat relasi logika fuzzy Menghitung perkiraan peramalan Gambar 4.2 Proses Metode Automatic Clustering dan Logika Fuzzy IV-2

3 Berikut adalah contoh perhitungan peramalan harga emas LBMA hari pertama bulan April dalam kurun waktu 10 tahun yang dimulai dari tahun Tabel 4.1 Data Harga Emas Bulan April Tahun NO Tahun USD , , , , , , , Langkah 1. Automatic Clustering Langkah pertama yaitu proses automatic clustering untuk membagi data kedalam beberapa kelompok data agar dapat diproses kedalam fuzzy logic. 1. Menyortir data kedalam pengurutan menaik dan menentukan Average_dif Sebelum data diproses, terlebih dahulu dilakukan pengurutan data dari data yang terkecil hingga data yang terbesar. Berikut adalah data harga emas yang telak diurutkan dengan asumsi bahwa data yang telah diurutkan tanpa adanya data ganda. IV-3

4 Tabel 4.2 Data Harga Emas Ssetelah Dilakukan Pengurutan Menaik NO USD 1 335, , , , , , , Untuk menghitung average_dif sebagai berikut : Average_dif = ((425,3-335,65)+(427,45-425,3)+(585,5-427,45)+(663,3-585,5)+( ,3)+(919,5-897)+( ,5)+( 1434,5-1116)+( ,5)) / (10-1) Average_dif = 147,59 2. Pengelompokkan data berdasarkan prinsip clustering 2.1 Ambil data pertama {335,65} kemudian masukkan kedalam kelompok pertama sesuai dengan Tahap 2 Prinsip 1, yaitu karena cluster sekarang adalah cluster pertama maka data akan dimasukkan kedalam kelompok cluster pertama : Kel 1 = {335,65}, Kemudian untuk data yang kedua {425,3} cari selisih data kedua {425,3} dan data pertama {335,65}, jika selisih data lebih kecil dari average_dif bernilai benar maka data dimasukkan dalam kelompok data pertama. Jika salah maka masukkan dalam kelompok baru. Dapat ditampilkan sebagai berikut : IV-4

5 Dapat diasumsikan sebagai berikut d 2 d 1 average_dif, maka d 2 diletakkan kedalam kelompok sekarang yang mana d 1 termasuk (k el 1 = {335,65} ), maka didapat bahwa : 425,3-335,65 147,59 89,65 147,59 (benar) Kel 1 = {335,65 ; 425,3} 2.2 Kelompok saat ini kel 1 = {335,65 ; 425,3} Data selanjutnya (427,45) sesuai dengan tahap 2 prinsip 3, diasumsikan bahwa cluster sekarang bukan cluster pertama dan ada lebih dari satu data yang terdapat dalam cluster saat ini {335,65 ; 425,3}. Diasumsikan pula bahwa d i adalah data terbesar dalam cluster saat ini dan d j (427,45) adalah data yang berdekatan dengan d i. Jika d j d i average_dif dan d j d i cluster_dif, maka d j diletakkan dalam cluster saat ini. Jika tidak d j diletakkan dalam cluster baru dan dijadikan clusters saat ini. Untuk menghitung cluster_dif dapat dilakukan dengan rumus dibawah ini : Cluster_ dif = ( ) Maka didapat bahwa: 427,45-425,3 147,59 427,45-425,3,, 2,15 147,59 (benar) 2,15 89,65 (benar) Karena terdapat dua pernyataan dan kedua pernyataannya bernilai benar, maka data dimasukkan kedalam kelompok saat ini. Kel 1 = {335,65 ; 425,3 ; 427,45}, IV-5

6 2.3 Kelompok saat ini Kel 1 = {335,65 ; 425,3 ; 427,45} Data selanjutnya (585,5) dan terdapat lebih dari satu data pada cluster saat ini, maka berlaku Tahap 2 Prinsip ,5 427,45 147,59 585,5 427,45 (,, ) (,, ) 158,05 147,59 (salah ) 158,05 45,9 (salah) Karena terdapat dua pernyataan dan kedua pernyataan tersebut bernilai salah, maka saat ini dimasukkan kedalam cluster baru. Kel 1 = {335,65 ; 425,3 ; 427,45}, Kel 2 = {585,5}, 2.4 Kelompok saat ini Kel 2 = {585,5} Data selanjutnya (663,3), dan hanya tedapat satu data dalam cluster saat ini maka berlaku Tahap 2 Prinsip 2. Diasumsikan bahwa cluster yang sekarang bukanlah cluster pertama dan hanya memiliki satu data d j didalam cluster saat ini. Diasumsikan pula bahwa d k (663,3) adalah data yang berdekatan dengan d j dan mengganggap bahwa d i adalah data terbesar yang merupakan anteseden cluster saat ini. Jika d k d j average_dif dan d k d j d j d i, maka letakkan d k kedalam cluster saat ini. Jika tidak maka d k diletakkan dalam cluster baru. 663,3-585,5 147,59 663,3-585,5 585,5-427,45 77,8 147,59 (benar) 77,8 158,05 (benar) Karena kedua pernyataan diatas bernilai benar, maka data saat ini dimasukkan kedalam cluster saat ini. Kel 1 = {335,65 ; 425,3 ; 427,45}, Kel 2 = {585,5 ; 663,3}, IV-6

7 2.5 Kelompok saat ini Kel 2 = {585,5 ; 663,3} Data selanjutnya (897) dan terdapat lebih dari satu data dalam cluster saat ini maka berlaku Tahap 2 Prinsip ,3 147, ,3 663,3 585,5 233,7 147,59 (salah) 233,7 77,8 (salah) Kedua pernyataan diatas bernilai salah, maka data saat ini dimasukkan kedalam cluster baru. Kel 1 = {335,65; 425,3; 427,45}, Kel 2 = {585,5; 663,3}, Kel 3 = {897} 2.6 Kelompok saat ini Kel 3 = {897} Data selanjutnya (919,5) karena hanya terdapat satu data dalam cluster saat ini maka berlaku Tahap 2 Prinsip , ,59 919, ,3 22,5 147,59 (benar) 22,5 233,7 (benar) Karena kedua pernyataan diatas bernilai benar, maka data saat ini dimasukkan kedalam cluster saat ini. Kel 1 = {335,65; 425,3; 427,45}, Kel 2 = {585,5; 663,3}, Kel 3 = {897; 919,5} 2.7 Kelompok saat ini Kel 3 = {897; 919,5} Data selanjutnya (1116) dan terdapat lebih dari satu data dalam cluster saat ini, maka berlaku Tahap 2 Prinsip 3. IV-7

8 ,5 147, ,5 919, ,5 147,59 (salah) 196,5 22,5 (salah) Karena kedua pernyataan diatas bernilai salah, maka untuk data saat ini dimasukkan kedalam cluster baru seperti berikut. Kel 1 = {335,65; 425,3; 427,45}, Kel 2 = {585,5; 663,3}, Kel 3 = {897; 919,5} Kel 4 = {1116} 2.8 Kelompok saat ini Kel 4 = {1116} Data selanjutnya {1434,5} dan hanya terdapat satu data dalam cluster saat ini maka berlaku Tahap 2 Prinsip , , , ,5 318,5 147,59 (salah) 318,5 196,5 (salah) Karena kedua pernyataan diatas bernilai salah, maka untuk data saat ini dimasukkan kedalam cluster baru. Kel 1 = {335,65; 425,3; 427,45}, Kel 2 = {585,5; 663,3}, Kel 3 = {897; 919,5} Kel 4 = {1116} Kel 5 = {1434,5} 2.9 Kelompok saat ini Kel 5 = {1434,5} Data selanjutnya (1664)dan hanya terdapat satu data dalam cluster saat ini maka akan berlaku Tahap 2 Prinsip 2. IV-8

9 ,5 147, ,5 1434, ,5 147,59 (salah) 229,5 318,5 (benar) Karena salah satu pernyataan diatas bernilai salah, maka untuk data saat ini dimasukkan kedalam cluster baru. Kel 1 = {335,65 ; 425,3 ; 427,45}, Kel 2 = {585,5 ; 663,3}, Kel 3 = {897 ; 919,5} Kel 4 = {1116} Kel 5 = {1434,5} Kel 6 = {1664} Setelah dilakukan pengelompokan data dengan menggunakan automatic clustering maka diperoleh kelompok data sebagai berikut : Kelompok 1 = {335,65 ; 425,3 ; 427,45}, Kelompok 2 = {585,5 ; 663,3}, Kelompok 3 = {897 ; 919,5} Kelompok 4 = {1116} Kelompok 5 = {1434,5} Kelompok 6 = {1664} 3. Penyesuaian Data Berdasarkan Tahap 3 Setelah data dikelompokan, data kemudian dilakukan penyesuaian data untuk menghilangkan kelompok data yang memiliki data lebih dari dua. Berikut adalah proses penyesuaian data untuk tahap 3: 1. Kelompok 1 = {335,65 ; 425,3 ; 427,45} Terdapat lebih dari dua data didalam kelompok data, maka sesuai dengan Tahap 3 Prinsip 1 dilakuakan pengubahan dengan menjaga data terkecil IV-9

10 dan data terbesar dalam kelompok data dan menghapus data lainnya. Maka data untuk kelompok ini diubah menjadi : Kelompok 1 = {335,65; 427,45} 2. Kelompok 2 = {585,5 ; 663,3} Karena terdapat tepat dua data didalam kelmpok data, maka sesuai dengan tahap 3 prinsip 2 maka isi data tidak dirubah lagi. Kelompok 2 = {585,5; 663,3} 3. Kelompok = {897 ; 919,5} Karena terdapat tepat dua data didalam kelompok data, maka sesuai dengan tahap 3 prinsip 2 maka isi data tidak dirubah lagi. Kelompok 3 = {897 ; 919,5} 4. Kelompok 4 = {1116} Terdapat hanya satu dalam dalam kelompok ini, karena hanya terdapat satu data, sesuai dengan tahap 3 prinsip 3 maka isi data diubah menjadi : Kelompok 4 = { ,59 dan ,59} Kelompok 4 = {968,41 ; 1263,59} 5. Kelompok 5 = {1434,5} Terdapat hanya satu dalam dalam kelompok ini, karena hanya terdapat satu data, sesuai dengan tahap 3 prinsip 3 maka isi data diubah menjadi : Kelompok 5 = {1434,5-147,59 dan 1434, ,59} Kelompok 5 = {1286,91 ; 1582,09} 6. Kelompok 6 = {1664} Terdapat hanya satu dalam dalam kelompok ini, karena hanya terdapat satu data, sesuai dengan tahap 3 prinsip 3 maka isi data diubah menjadi : Kelompok 6 = { ,59 dan ,59} Kelompok 6 = {1516,41 ; 1811,59} IV-10

11 Berdasarkan prinsip pada langkah 3, maka kita dapatkan kelompok kelompok data yang telah di-clustering sebagai berikut: Kelompok 1 = {335,65; 427,45} Kelompok 2 = {585,5; 663,3} Kelompok 3 = {897; 919,5} Kelompok 4 = {968,41; 1263,59} Kelompok 5 = {1286,91 ; 1582,09} Kelompok 6 = {1516,41 ; 1811,59} 4. Pengelompokan Kelompok Data kedalam Interval Setelah dilakukan penyesuaian terhadap kelompok data, kemudian dilakuakan pengelompokan untuk merubah kelompok data kedalam bentuk interval. 1. Merubah kelompok pertama = {335,65 ; 427,45} Berdasarkan pada tahap 4.1 kelompok pertama diubah kedalam bentuk interval [335,65 ; 427,45] selanjutnya jadikan interval interval saat ini dan kelompok beikutnya {585,5; 663,3} dijadikan kelompok saat ini. Interval yang terbentuk : [335,65 ; 427,45] 2. Interval saat ini = [335,65 ; 427,45] Kelompok saat ini = {585,5 ; 663,3} Karena 427,45 < 585,5 maka sesuai dengan Tahap 4.2 Prinsip 2 mengubah kelompok saat ini = {585,5 ; 663,3} ini menjadi bentuk interval = [585,5 ; 663,3]. Buat interval baru yaitu [427,45 ; 585,5] lalu letakkan diantara [335,65 ; 427,45] dan [585,5 ; 663,3]. Jadikan interval terakhir menjadi interval saat ini = [585,5 ; 663,3] dan kelompok berikutnya adalah {897 ; 919,5}. Interval yang terbentuk : IV-11

12 1. [335,65 ; 427,45] 2. [427,45 ; 585,5] 3. [585,5 ; 663,3] 3. Interval saat ini = [585,5 ; 663,3] Kelompok saat ini = {897 ; 919,5} Karena 663,3 < 897 maka sesuai dengan Tahap 4.2 Prinsip 2 untuk mengubah kelompok saat ini = {897 ; 919,5} menjadi bentuk interval = [897 ; 919,5]. Buat interval baru yaitu [663,3 ; 897], lalu letakkan diantara [585,5 ; 663,3] dan [897 ; 919,5]. Jadikan interval terakhir menjadi interval saat ini = [897 ; 919,5] dan kemudian untuk kelompok berikutnya adalah {968,41; 1263,59} Interval yang terbentuk : 1. [335,65 ; 427,45] 2. [427,45 ; 585,5] 3. [585,5 ; 663,3] 4. [663,3 ; 897] 5. [897 ; 919,5] 4. Interval saat ini = [897 ; 919,5] Kelompok saat ini = {968,41; 1263,59} Karena 919,5 < 968,41 maka sesuai dengan Tahap 4.2 Prinsip 2 untuk mengubah kelompok saat ini = {968,41; 1263,59} menjadi bentuk interval = [968,41; 1263,59]. Buat interval baru yaitu [919,5 ; 968,41] lalu letakkan diantara [897 ; 919,5] dan [968,41; 1263,59]. Jadikan interval terakhir menjadi interval saat ini = [968,41; 1263,59]. Kemudian untuk kelompok selanjutnya adalah = {1286,91 ; 1582,09}. Interval yang terbentuk : 1. [335,65 ; 427,45] 2. [427,45 ; 585,5] 3. [585,5 ; 663,3] IV-12

13 4. [663,3 ; 897] 5. [897 ; 919,5] 6. [919,5 ; 968,41] 7. [968,41; 1263,59] 5. Interval saat ini = [968,41 ; 1263,59] Kelompok saat ini = {1286,91 ; 1582,09} Karena 1263,59 < 1286,91 maka sesuai dengan Tahap 4.2 Prinsip 2 maka dilakukan pengubahan untuk kelompok saat ini = {1286,91 ; 1582,09} menjadi bentuk interval = [1286,91 ; 1582,09]. Kemudian buat interval baru yaitu [1263,59 ; 1286,91] lalu letakkan diantara interval [968,41 ; 1263,59] dan [1286,91 ; 1582,09]. Jadikan interval terakhir menjadi interval saat ini = [1286,91 ; 1582,09]. Kemudian untuk kelompok selanjutnya adalah = {1516,41 ; 1811,59. Interval yang terbentuk : 1. [335,65 ; 427,45] 2. [427,45 ; 585,5] 3. [585,5 ; 663,3] 4. [663,3 ; 897] 5. [897 ; 919,5] 6. [919,5 ; 968,41] 7. [968,41; 1263,59] 8. [1263,59 ; 1286,91] 9. [1286,91 ; 1582,09] 6. Interval saat ini = [1286,91 ; 1582,09] Kelompok saat ini = {1516,41 ; 1811,59} Karena 1582, ,41 maka sesuai dengan Tahap 4.2 Prinsip 1 kelompok saat ini dijadikan interval menjadi = [1582,09 ; 1811,59]. IV-13

14 Setelah melakukan langkah-langkah interval-interval sebagai berikut : 1. [335,65 ; 427,45] 2. [427,45 ; 585,5] 3. [585,5 ; 663,3] 4. [663,3 ; 897] 5. [897 ; 919,5] 6. [919,5 ; 968,41] 7. [968,41; 1263,59] 8. [1263,59 ; 1286,91] 9. [1286,91 ; 1582,09] 10.[1582,09 ; 1811,59] diatas maka diperoleh 4.3 Menentukan Sub Interval Pada proses yang dilakukan diatas didapat interval dari tahap-tahap sebelumnya, selanjutnya adalah menentukan sub interval untuk mencari nilai tengah dari setiap interval. Untuk menentukan sub interval dihitung dengan menggunakan nilai p yang berbeda-beda dalam menentukan sub interval yang optimum sehingga menghasilkan nilai peramalan yang terbaik. 1. Sub Interval untuk nilai p 1 Setelah proses automatic clustering dilakukan seperti pada tahapan sebelumnya, selanjutnya masuk pada proses menentukan relasi logika fuzzy untuk mendapatkan nilai tengah dari setiap interval. Nilai tengah ini akan dilakukan proses fuzzifikasi untuk mendapatkan hasil peramalan. IV-14

15 Tabel 4.3 Inteval dan Nilai Tengan untuk p = 1 Nilai Interval p = 1 Interval Nilai Tengah u1 335,65-427,45 m1 381,55 u2 427,45-585,5 m2 506,475 u3 585,5-663,3 m3 624,4 u4 663,3-897 m4 780,15 u ,5 m5 908,25 u6 919,5-968,41 m6 943,955 u7 968, ,59 m u8 1263, ,91 m8 1275,25 u9 1286, ,09 m9 1434,5 u , ,59 m ,84 Tabel 4.4 Inteval dan Nilai Tengan untuk p = 2 Sub Interval p = 2 Interval Nilai Tengah u1 335,65-381,55 m1 358,6 u2 381,55-427,45 m2 404,5 u3 427,45-506,475 m3 466,9625 u4 506, ,5 m4 545,9875 u5 585,5-624,4 m5 604,95 u6 624,4-663,3 m6 643,85 u7 663,3-780,15 m7 721,725 u8 780, m8 838,575 u ,25 m9 902,625 u10 908,25-919,5 m10 913,875 u11 919,5-943,955 m11 931,7275 u12 943, ,41 m12 956,1825 u13 968, m ,205 u ,59 m ,795 u , ,25 m ,42 u , ,91 m ,08 u , ,5 m ,705 u ,5-1582,09 m ,295 u , ,84 m ,465 u , ,59 m ,215 IV-15

16 Tabel 4.5 Inteval dan Nilai Tengan untuk p = 3 Sub Interval P = 3 Interval Nilai Tengah u1 335,65-358,6 m1 347,125 u2 358,6-381,55 m2 370,075 u3 381,55-404,5 m3 393,025 u4 404,5-427,45 m4 415,975 u5 427,45-466,96 m5 447,205 u6 466,96-506,475 m6 486,7175 u7 506, ,98 m7 526,2275 u8 545,98-585,5 m8 565,74 u9 585,5-604,95 m9 595,225 u10 604,95-624,4 m10 614,675 u11 624,4-643,85 m11 634,125 u12 643,85-663,3 m12 653,575 u13 663,3-721,72 m13 692,51 u14 721,72-780,15 m14 750,935 u15 780,15-838,57 m15 809,36 u16 838, m16 867,785 u ,62 m17 899,81 u18 902,62-908,25 m18 905,435 u19 908,25-913,87 m19 911,06 u20 913,87-919,5 m20 916,685 u21 919,5-931,72 m21 925,61 u22 931,72-943,955 m22 937,8375 u23 943, ,18 m23 950,0675 u24 956,18-968,41 m24 962,295 u25 968, ,2 m ,305 u , m ,1 u ,79 m ,895 u , ,59 m ,69 u , ,42 m ,505 u , ,25 m ,335 u , ,08 m ,165 u , ,91 m ,995 u , ,7 m ,805 u ,7-1434,5 m ,6 u ,5-1508,29 m ,395 u , ,09 m ,19 u , ,46 m ,775 IV-16

17 Tabel 4.6 Inteval dan Nilai Tengan untuk p = 3 (lanjutan) Sub Interval P = 3 Interval Nilai Tengah u , ,84 m ,15 u , ,21 m ,525 u , ,59 m ,9 Tabel 4.7 Inteval dan Nilai Tengan untuk p = 4 Sub Interval P = 4 Interval Nilai Tengah u1 335,65-347,125 m1 341,3875 u2 347, ,6 m2 352,8625 u3 358,6-370,075 m3 364,3375 u4 370, ,55 m4 375,8125 u5 381,55-393,025 m5 387,2875 u6 393, ,5 m6 398,7625 u7 404,5-415,975 m7 410,2375 u8 415, ,45 m8 421,7125 u9 427,45-447,205 m9 437,3275 u10 447, ,96 m10 457,0825 u11 466,96-486,7175 m11 476,8388 u12 486, ,475 m12 496,5963 u13 506, ,2275 m13 516,3513 u14 526, ,98 m14 536,1038 u15 545,98-565,74 m15 555,86 u16 565,74-585,5 m16 575,62 u17 585,5-595,225 m17 590,3625 u18 595, ,95 m18 600,0875 u19 604,95-614,675 m19 609,8125 u20 614, ,4 m20 619,5375 u21 624,4-634,125 m21 629,2625 u22 634, ,85 m22 638,9875 u23 643,85-653,575 m23 648,7125 u24 653, ,3 m24 658,4375 u25 663,3-692,51 m25 677,905 u26 692,51-721,72 m26 707,115 u27 721,72-750,935 m27 736,3275 u28 750, ,15 m28 765,5425 u29 780,15-809,36 m29 794,755 IV-17

18 Tabel 4.8 Inteval dan Nilai Tengan untuk p = 4 (lanjutan) Sub Interval P = 4 Interval Nilai Tengah u30 809,36-838,57 m30 823,965 u31 838,57-867,785 m31 853,1775 u32 867, m32 882,3925 u ,81 m33 898,405 u34 899,81-902,62 m34 901,215 u35 902,62-905,435 m35 904,0275 u36 905, ,25 m36 906,8425 u37 908,25-911,06 m37 909,655 u38 911,06-913,87 m38 912,465 u39 913,87-916,685 m39 915,2775 u40 916, ,5 m40 918,0925 u41 919,5-925,61 m41 922,555 u42 925,61-931,72 m42 928,665 u43 931,72-937,8375 m43 934,7788 u44 937, ,955 m44 940,8963 u45 943, ,0675 m45 947,0113 u46 950, ,18 m46 953,1238 u47 956,18-962,295 m47 959,2375 u48 962, ,41 m48 965,3525 u49 968, ,305 m49 986,8575 u , ,2 m ,753 u ,2-1079,1 m ,65 u , m ,55 u ,895 m ,448 u , ,79 m ,343 u , ,69 m ,24 u , ,59 m ,14 u , ,505 m ,048 u , ,42 m ,963 u , ,335 m ,878 u , ,25 m ,793 u , ,165 m ,708 u , ,08 m ,623 u , ,995 m ,538 u , ,91 m ,453 u , ,805 m ,358 u , ,7 m ,253 IV-18

19 Tabel 4.9 Inteval dan Nilai Tengan untuk p = 4 (lanjutan 2) Sub Interval P = 4 u ,7-1397,6 m ,15 u ,6-1434,5 m ,05 u ,5-1471,395 m ,948 u , ,29 m ,843 u , ,19 m ,74 u , ,09 m ,64 u , ,775 m ,433 u , ,46 m ,118 u , ,15 m ,805 u , ,84 m ,495 u , ,525 m ,183 u , ,21 m ,868 u , ,9 m ,555 u ,9-1811,59 m ,245 Langkah 2. Metode Automatic Clustering dan Relasi Logika Fuzzy Pada bagian ini, didasarkan hasil penglompokkan data pada proses automatic clustering selanjutnya dihubungkan dengan relasi logika fuzzy dengan langkah langkah sebagai berikut. Langkah 2.1 Menerapkan metode automatic clustering ke bentuk interval dan mencari nilai tengah dari interval tersebut untuk setiap interval. Langkah 2.2 Mendefenisikan fuzzy set A i, dengan ketentuan 1 i n seperti rumus berikut : = 1 + 0, , = 0, , , = 0 + 0, , , = ,5 + 1, (2.3) Langkah 2.3 Lakukan fuzzifikasi setiap data historis menjadi himpunan fuzzy. IV-19

20 1. Fuzzifikasi untuk p = 1 Berikut ini adalah proses fuzzifikasi untuk nilai p = 1 Tabel 4.10 Data harga emas dan fuzzifikasi p = 1 NO Tahun Aktual Harga Emas Fuzzifikasi ,65 A ,3 A ,45 A ,5 A ,3 A A ,5 A A ,5 A A10 Tabel 4.11 Fuzzifikasi untuk nilai p = 1 Fuzzifikasi A1 A1 A1 A2 A2 A3 A3 A4 A4 A5 A5 A6 A6 A7 A7 A9 A9 A10 A10 # IV-20

21 Tabel 4.12 Grup relasi logika fuzzy nilai p = 1 Grup Relasi Logika Fuzzy Kelompok 1 : A1 A1, A2 Kelompok 2 : A2 A3 Kelompok 3 : A3 A4 Kelompok 4 : A4 A5 Kelompok 5 :A5 A6 Kelompok 6: A6 A7 Kelompok 7 : A7 A9 Kelompok 8: A9 A10 Kelompok 9 : A10 # Berdasarkan langkah-langkah diatas telah terbentuk grup relasi logika fuzzy dan selanjutnya akan digunakan untuk menghitung hasil peramalan. 1. Untuk tahun 2003 fuzzifikasinya adalah A 1 dan relasi logika fuzzy yang terbentuk adalah A 1 A 1, A 2. Ditunjukkan dengan A 1 A 1 (1), A2 (1) dan sesuai dengan Langkah 5 Prinsip 2 maka untuk hasil peramalah tahun berikutnya adalah : x x m + x x m x x m x + x + + x Dimana x 1 menggambarkan angka dari relasi logika fuzzy, m k1, m k2,... dan mkp adalah titik tengah dari interval interval u k1, u k2,..., u kp 1 381, , = 444,01 Maka untuk hasil peramalan tahun 2004 adalah 444,01 2. Fuzzifikasi tahun 2004 adalah A 1 dan relasi logika fuzzi yang terbentuk adalah A 1 A 1, A 2. Ditunjukkan dengan A 1 A 1 (1), A2 ( 1) dan sesuai dengan Langkah 5 Prinsip 2 maka untuk hasil peramalah tahun berikutnya adalah : IV-21

22 1 381, , = 444,01 Maka untuk hasil peramalan tahun 2005 adalah 444,01 3. Fuzzifikasi tahun 2005 adalah A 2 dan relasi logika fuzzy nya adalah A2 A3. Berdasarkan Langkah 5 Prinsip 1 maka untuk hasil peramalan tahun 2006 adalah nilai tengah dari interval U3 yaitu 624,4. 4. Fuzzifikasi tahun 2006 adalah A3 dan relasi logika fuzzy nya adalah A3 A4. Berdasarkan Langkah 5 Prinsip 1 maka untuk hasil peramalan tahun 2007 adalah nilai tengah dari interval U4 yaitu 780, Untuk tahun 2007 nilai fuzzifikasinya adalah A4 dan untuk relasi logika fuzzy nya adalah A4 A5. Berdasarkan Langkah 5 prinsip 1 untuk hasil peramalan tahun berikutnya adalah nilai tengah dari U5 yaitu 908,25. Maka hasil peramalan untuk tahun 2008 adalah 908, Selanjutnya untuk tahun 2008 dengan fuzzifikasi A5 dan relasi logika fuzzy nya A5 A6.. Berdasarkan Langkah 5 Prinsip 1 maka untuk hasil peramalan tahun 2009 adalah nilai tengah dari interval U6 yaitu 943, Untuk tahun 2009 dengan nilai fuzzifikasi A6 dengan relasi A6 A7. Berdasarkan Langkah 5 Prinsip 1 maka untuk hasil peramalan tahun 2010 adalah nilai tengah dari interval U7 yaitu Untuk tahun 2010 fuzzifikasi A7 serta relasi logika fuzzy nya adalah A7 A9. Berdasarkan Langkah 5 Prinsip 1 maka untuk hasil peramalan tahun 2011 adalah nilai tengah dari interval U9 yaitu 1434,5. 9. Fuzzifikasi tahun 2011 adalah A9 dengan relasi logika fuzzy A9 A10 Berdasarkan Langkah 5 Prinsip 1 maka untuk hasil peramalan tahun 2012 adalah nilai tengah dari interval U10 yaitu 1696, Selanjutnya untuk tahun 2012 fuzzifikasinya adalah A10 dengan relasi logika fuzzy A10 #. Berdasarkan Langkah 5 Prinsip 3 untuk nilai peramalan tahun 2013 adalah nilai tengah dari U10 yaitu 1696,84 IV-22

23 Tabel 4.13 Hasil Peramalan Harga Emas Untuk Nilai p = 1 NO Tahun Aktual Harga Emas Fuzzyfikasi Ramalan ,65 A ,3 A1 444,01 350, ,45 A2 444,01 274, ,5 A3 624,4 1513, ,3 A4 780, , A5 908,25 126, ,5 A6 943,95 597, A ,5 A9 1434, A , , ,84 MSE 1955,72 2. Fuzzifikasi untuk p > 1 Setelah melakukan proses fuzzifikasi data untuk nilai p = 1, selanjutnya lakukan untuk nilai p = 2 seperti langkah-langkah diatas. Maka akan didapat hasil seperti dibawah ini: Tabel 4.14 Peramalan harga emas untuk nilai p = 2 Tahun Aktual Fuzzifikasi Ramalan Selisih MSE ,65 A ,3 A2 404,5-20,8 432, ,45 A3 466,96 39, , ,5 A5 604,95 19,45 378, ,3 A7 721,72 58, , A9 902,61 5,61 31, ,5 A11 931,72 12,22 149,32 IV-23

24 Tabel 4.15 Peramalan harga emas untuk nilai p = 2 (lanjutan) Tahun Aktual Fuzzifikasi Ramalan Selisih MSE A ,79 73, , ,5 A ,29 73, , A ,46-24,54 602, A# 1639,46 MSE 1939,75 Tabel 4.16 Peramalan harga emas untuk nilai p = 3 Tahun Aktual Fuzzifikasi Ramalan Selisih MSE ,65 A ,3 A4 415,97-9,33 87, ,45 A5 447,4 19, ,5 A9 595,22 9,72 94, ,3 A13 692,51 29,21 853, A17 899,81 2,81 7, ,5 A21 925,61 6,11 37, A ,89 36, , ,5 A ,39 36, , A ,15 4,15 17, A# 1668,15 MSE 468,54 Tabel 4.17 Peramalan harga emas untuk nilai p = 4 Tahun Aktual Fuzzifikasi Ramalan Selisih MSE ,65 A ,3 A8 421,71-3,59 12, ,45 A9 437,32 9,87 97, ,5 A17 590,36 4,86 23, ,3 A25 677,9 14,6 213, A33 898,4 1,4 1, ,5 A41 922,55 3,05 9, A ,44 18,44 340, ,5 A ,91 18,41 338, A ,8-10,2 104, A# 1653,8 MSE 126,81 IV-24

25 Berdasarkan tabel-tabel diatas dapat diperoleh perbandingan nilai hasil peramalan untuk nilai p 1. Untuk lebih jelas dapat dilihat dari gambar grafik perbandingan dibawah ini : Aktual Ramalan P= Ramalan P= Ramalan P= Ramalan P= Gambar 4.3 Grafik Perbandingan Data Harga Emas dan Hasil Peramalan 4.4 Analisa Sistem Analisa sistem merupakan tahapan kegiataan penguraian suatu sistem untuk di bagi kedalam komponen-komponen tahapan proses sehingga komponen tersebut dapat berinteraksi untuk tujuan tertentu sesuai fungsi dari setiap komponen tersebut. Tahap penganalisaan merupakan tahapan awal karena pada tahap ini dilakukan studi kelayakan dari sebuah sistem yang akan dibangun. Analisa sistem dilakukan sebelum melakukan tahapan perancangan sistem. Pada sistem ini akan menggunakan penerapan model dari metode automatic clustering dan chen s method dalam logika fuzzy untuk meramalkan harga emas. Dalam Analisa sistem dilakukan dengan menggambarkan alur sistem kedalam bentuk aliran data (flowchart) dan kedalam diagram aliran data (DFD). IV-25

26 4.4.1 Flowchart Berikut adalah analisa diagram alir sistem (flowchart) untuk memperjelas aliran data yang terjadi dalam sistem. USER SISTEM Mulai Masukkan data emas Harga Emas Sortir data dan menentukan averaga diff Pengelompokkan dan pembentukkan interval Menentukan sub interval dan nilai tengah Hasil peramalan dan MSE Proses peramalan Selesai Gambar 4.4 Flowchart Sistem IV-26

27 4.4.2 Data Flow Diagram (DFD) Context Diagram Context Diagram adalah diagram yang menjelaskan aliran sistem secara keseluruhan yang berisi deskripsi tekstual fungsi sebuah sistem. Context Diagram mengatur setiap aktor yang terlibat secara langsung dalam sistem. Berikut ini adalah context diagram untuk sistem peramalan harga emas. Gambar 4.5 Context Diagram Sistem DFD Level 1 Berikut ini adalah data flow diagram level 1 untuk sistem peramalan harga emas. Gambar 4.6 DFD Level 1 IV-27

28 Tabel 4.18 Proses DFD Level 1 No Proses Deskripsi 1 Data emas Proses pengolahan data emas yang dikelola dalam database. 2 Proses peramalan Merupakan proses untuk pengolahan data yang berasal dari database untuk melakukan perhitungan panjang interval serta melakukan proses peramalan. Tabel 4.19 Aliran Data DFD Level 1 No Aliran data Deskripsi 1 Data_emas Merupakan data harga emas yang di input oleh user kedalam sistem. 2 Laporan_peramalan Merupakan informasi hasil peramalan yang akan diterima oleh user dari proses peramalan. 3 Persentase_error Hasil error yang diterima user dari perhitungan hasil peramalan DFD Level 2 Proses 2 Peramalan harga emas. Berikut ini adalah data flow diagram level 2 untuk sistem peramalan Gambar 4.7 DFD Level 2 IV-28

29 Tabel 4.20 Proses DFD Level 2 Proses Peramalan No Proses Deskripsi 1 Interval Proses pembentukkan interval data untuk menentukan sub-sub interval. 2 Fuzzifikasi Merupakan proses untuk menentukan hasil peramalan harga emas Tabel 4.21 Aliran Data DFDLevel 1 No Aliran data Deskripsi 1 Data_emas Merupakan data harga emas yang di input oleh user kedalam sistem. 2 Laporan_Peramalan Merupakan informasi hasil peramalan yang akan diterima oleh user dari proses peramalan. 3 Persentase_error Hasil error yang diterima user dari perhitungan hasil peramalan Entity Relationship Digram (ERD) Entity Relationship Digram merupakan suatu model diagram yang menggambarkan hubungan antara data dalam sebuah basis data. ERD juga merupakan pengembangan dari DFD yang dipresentasikan kedalam dunia nyata. Dalam ERD terdapat entity yang bersifat unik dan memiliki atribut sebagai pembeda dengan entity lainnya. Gambar berikut ini adalah ERD untuk sistem peramalan harga emas. hari bulan tahun #kode interval nilai_tengah #kode harga Data Emas M M interval M 1 ramalan #kode MSE tahun aktual ramalan Gambar 4.8 ERD Sistem Peramalan Harga Emas IV-29

30 Tabel 4.22 Keterangan Entitas pada ERD No Nama Deskripsi Atribut Primary Key 1 Data_emas Merupakan data - Kode Kode emas yang - Hari disimpan dalam - Bulan database - Tahun - Harga 2 Interval Menyimpan nilai interval yang terbentuk dari pengelompokkan data 3 Ramalan Merupakan hasil peramalan dan nilai MSE - Kode - Interval - Nilai_tengah - Kode - Tahun - Aktual - Ramalan - MSE Kode Kode Perancangan Basis Data Perancangan basis data merupakan proses dalam menciptakan basis data untuk mendukung operasi dan tujuan sebuah sistem. Untuk lebih jelas, perancangan basis data untuk Sistem Peramalan Harga Emas dapat dilihat pada tabel dibawah ini: Tabel 4.23 Tabel Perancangan Basis Data untuk Data Emas Nama Field Type data Null Kode Number Not Null Hari Number Not Null Bulan Text Not Null Tahun Number Not Null Harga Number Not Null Tabel 4.24 Tabel Perancangan Basis Data untuk Interval Nama Field Type data Null Kode Number Not Null Interval Text Not Null Nilai Tengah Number Not Null IV-30

31 Tabel 4.25 Tabel Perancangan Basis Data untuk Ramalan Nama Field Type data Null Kode Number Not Null Tahun Number Not Null Aktual Number Not Null Ramalan Number Not Null MSE Number Not Null Perancangan Interface Sistem Perancangan interface sistem merupakan proses merancang tampilan sistem sebelum masuk kedalam tahap pengkodean. Rancangan sistem yang baik dapat memberikan kenyamanan kepada user dalam berinteraksi dengan sistem. Selain itu juga memudahkan pengguna untuk dengan mudah mengelola data yang terdapat dalam sistem tersebut. Rancangan interface pada sistem peramalan harga emas ini dilakukan dengan seminimal mungkin, dengan tujuan untuk memudahkan kepada pengguna. Susunan menu dan proses yang terjadi didalamnya akan dengan mudah membimbing pengguna dalam pengerjaannya. Pengguna juga akan dimudahkan dengan adanya grafik perkembangan data untuk mengetahui perkembangan harga emas dalam periode tertentu. Berikut ini adalah rancangan interface untuk sistem peramalan harga emas : 1. Menu Utama Gambar 4.9 Rancangan Halaman Beranda IV-31

32 2. Input Data Gambar 4.10 Rancangan Halaman Input Data Emas 3. Halaman Interval Data Gambar 4.11 Rancangan Halaman Interval Data IV-32

33 4. Hasil Peramalan dan MSE Gambar 4.12 Rancangan Halaman Hasil Peramalan IV-33