Bab II LANDASAN TEORI
|
|
- Hartanti Budiono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 penelitian yang berisi definisi-definisi dan teori. Pada bagian ketiga disusun kerangka pemikiran yang menjelaskan alur pemikiran penelitian. 2.1 Tinjauan Pustaka Runtun waktu fuzzy pertama kali diperkenalkan oleh Song dan Chissom 9] yang mengusulkan model runtun waktu dengan menggunakan operasi matriks dalam proses perhitungannya. Song dan Chissom 9, 10] menerapkan runtun waktu fuzzy pada data jumlah pendaftar di Universitas Alabama. Chen 1] mengembangkan model dari Song dan Chissom 9, 10] dengan menghilangkan operasi matriks menjadi model runtun waktu fuzzy dengan operasi aritmatik sederhana. Penelitian Chen 1] yang diterapkan pada data jumlah pendaftar di Universitas Alabama menghasilkan hasil ramalan yang lebih baik dibandingkan Song dan Chissom 9, 10]. Yu 14] melanjutkan penelitian Chen 1]. Yu 14] mengusulkan adanya pembobotan untuk mengatasi dua masalah dalam runtun waktu fuzzy yaitu perulangan dan pembobotan relasi logika fuzzy. Model yang diusulkan menggunakan pembobotan secara regresi terhadap semua relasi logika fuzzy. Pada penerapan data jumlah pendaftar di Universitas Alabama menghasilkan akurasi yang lebih baik dari model yang diusulkan Chen 1]. Cheng et al. 2] memodifikasi pembobotan dari model Chen 1] dan Yu 14] untuk setiap himpunan fuzzy. Pembobotan yang diusulkan menggunakan mo- 4
2 del adaptive expectation. Pada penerapan data indeks harga saham Taiwan dan pendaftaran di Universitas Alabama dihasilkan peramalan menggunakan model Cheng 2] lebih baik dibandingkan model Chen 1] dan model Yu 14]. Lee dan Suhartono 6] mengusulkan pembobotan secara eksponensial untuk data yang berpola musiman. Pada penerapan data penggunaan listrik untuk Perusahaan Tenaga Air Washington menunjukkan bahwa model Lee dan Suhartono 6] menghasilkan akurasi lebih baik daripada model Chen 1], Yu 14], dan Cheng 2]. Tsaur 12] mengusulkan analisis residu pada model runtun waktu fuzzy menggunakan deret Fourier. Model hibrida runtun waktu fuzzy dan deret Fourier dapat menghasilkan residu yang lebih kecil. Tsaur dan Kuo 13] menerapkan model runtun waktu fuzzy dengan deret Fourier pada kasus pengunjung pariwisata di Australia. Hasil penelitian menunujukkan bahwa model Tsaur dan Kuo 13] menghasilkan kesalahan peramalan yang lebih kecil dibandingkan dengan model Song dan Chissom 9], Singh 8], Cheng 2], dan Chen 1]. Penelitian-penelitian tersebut menjadi dasar pertimbangan dalam menerapkan model hibrida runtun waktu fuzzy terbobot-deret Fourier untuk peramalan curah hujan di DAS Bengawan Solo. 2.2 Landasan Teori Pada penelitian ini diberikan beberapa teori yang menjadi dasar dalam penelitian model hibrida runtun waktu fuzzy terbobot-deret Fourier untuk peramalan curah hujan di DAS Bengawan Solo yaitu, curah hujan, himpunan fuzzy, runtun waktu fuzzy dan runtun waktu fuzzy terbobot, model hibrida runtun waktu fuzzy terbobot-deret Fourier, Root Mean Square Eror (RMSE) Curah Hujan Menurut Badan Meteorologi Klimatologi dan Geofisika (BMKG), ukuran curah hujan merupakan perbandingan jumlah curah hujan kumulatif selama satu bulan di suatu tempat yang sama. Ukuran curah hujan dapat digunakan 5
3 dalam penentuan karakteristik tinggi rendahnya curah hujan pada suatu daerah dan bulan tertentu. Dalam model runtun waktu fuzzy terbobot, klasifikasi curah hujan dapat dimanfaatkan untuk penentuan banyaknya pembagian interval. Ukuran curah hujan bulanan dapat dilihat pada Tabel 2.1. BMKG menggunakan Tabel 2.1 untuk peta prakiraan curah hujan Indonesia tahun 2015 yang terlihat pada Gambar 2.1. Pada penelitian ini, ukuran curah hujan pada Tabel 2.1 dapat dijadikan acuan untuk klasifikasi nilai peramalan curah hujan tahun Tabel 2.1. Ukuran Curah Hujan Kategori Ukuran (mm) Rendah Menengah Tinggi Sangat tinggi > Himpunan Fuzzy Misalkan U adalah himpunan semesta, dengan U = {u 1, u 2,..., u n }, dan A i adalah himpunan fuzzy pada himpunan U, yang didefinisikan sebagai A i = µ Ai (u 1 )/u 1 + µ Ai (u 2 )/u µ Ai (u n )/u n, dengan µ Ai adalah fungsi keanggotaan himpunan fuzzy A i, dan µ Ai (u j ) merepresentasikan derajat keanggotaan dari u j pada A i dengan µ Ai (u j ) 0, 1] dan 1 i n, 1 j n. Berikut ini adalah definisi dari Klir dan Folger 5]. Definisi Height of fuzzy set adalah elemen-elemen dari himpunan fuzzy yang mencapai derajat keanggotaan terbesar. 6
4 Gambar 2.1. Peta prakiraan curah hujan Januari 2015 Definisi Himpunan fuzzy disebut dinormalisasi dengan elemen-elemen merupakan kemungkinan maksimum dari derajat keanggotaan Runtun Waktu Fuzzy dan Runtun Waktu Fuzzy Terbobot Runtun waktu fuzzy merupakan model peramalan runtun waktu yang menggunakan konsep - konsep fuzzy sebagai dasarnya. Song dan Chissom 9, 10] menjelaskan dengan definisi berikut. Definisi Misalkan Y (t)(t = 1, 2,..., n) adalah bagian dari bilangan real (R) yang didefinisikan oleh himpunan fuzzy semesta f i. Jika F (t) kumpulan dari f i (t)(t = 1, 2,..., n), maka F (t) disebut runtun waktu fuzzy pada Y (t)(t = 1, 2,..., n). Definisi Misalkan F (t) disebabkan oleh F (t 1), maka relasi model orde pertama dari F (t) dinyatakan F (t) = F (t 1) R(t, t 1) dengan R(t, t 1) adalah matriks relasi yang dideskripsikan oleh relasi logika fuzzy antara F (t 1) dan F (t), dan adalah operator maksimal - minimal. Definisi Jika F (t 1) = A i dan F (t) = A j. Relasi logika fuzzy (RLF) 7
5 dapat ditulis A i A j dengan A i dan A j dinamakan sisi kiri dan sisi kanan RLF. Definisi Misalkan F (t) merupakan runtun waktu fuzzy dengan pola musiman setiap periode p, maka dapat ditulis hubungan fuzzy ialah F (t p) F (t). Runtun waktu fuzzy terbobot merupakan perkembangan dari runtun waktu fuzzy. Runtun waktu fuzzy terbobot adalah runtun waktu fuzzy yang memperhatikan adanya pengulangan dan pembobotan relasi logika fuzzy. Berikut ini adalah langkah untuk memperoleh model runtun waktu fuzzy terbobot dengan metode Lee dan Suhartono 6]. Langkah 1. Menentukan interval dari himpunan semesta U. U = D min D 1, D max + D 2 ], dengan D min adalah data terkecil, D maks adalah data terbesar, D 1 dan D 2 adalah sembarang bilangan non-negatif. Langkah 2. Menentukan himpunan fuzzy A i pada himpunan semesta U, dengan A i adalah himpunan fuzzy subinterval ke-i, i = 1, 2,..., s dan s adalah jumlah subinterval. Pembagian interval dari himpunan semesta U menjadi beberapa subinterval yang sama dapat didefinisikan seperti berikut. l = (D max + D 2 ) (D min D 1 )]/s dengan setiap interval diperoleh hasil u 1 = D min D 1, D min D 1 + l], u 2 = D min D 1 + l, D min D 1 + 2l],..., u s = D min D 1 + (n 1)l, D maks + D 2 ]. Langkah 3. Membuat relasi logika fuzzy (RLF) dan menentukan kelompok relasi logika fuzzy (KRLF) dari semua RLF. Contoh, jika RLF berbentuk A 1 A 2, A 1 A 1, A 1 A 1, A 1 A 3, A 1 A 1 maka KRLF berbentuk A 1 A 2, A 1, A 1, A 3, A 1. Langkah 4. Menentukan peramalan himpunan fuzzy F (t). Jika F (t 1) = A i, maka F (t) diperoleh dengan aturan berikut. 1. Jika RLF dari A i tidak ada (A i Ø), maka F (t) = A i, 2. Jika hanya terdapat satu RLF (A i A j ), maka F (t) = A j, 3. Jika terdapat lebih dari satu RLF (A i A j1, A j2,..., A jk ), maka F (t) = A j1, A j2,..., A jk. 8
6 Langkah 5. Menentukan defuzzifikasi M(t). Jika F (t) = A j1, A j2,..., A jk, maka M(t) = m j1, m j2,..., m jk, dengan m j1, m j2,..., m jk adalah nilai tengah dari A j1, A j2,..., A jk. Langkah 6. Menghitung pembobot. Jika pembobot dari F (t) = A j1, A j2,..., A jk adalah w 1, w 2,..., w k dengan w i = i = 1, 2,..., k maka matriks pembobot dapat ditulis W (t) = w 1, w 2,..., w k] 1 = k w, i w i k, w w 1 = 1, w i = c i 1 untuk c > 1 dan i c k w,..., i ] c k 1 k w. (2.1) i Langkah 7. Menghitung peramalan pada waktu t, ˆF (t) = M(t) W (t) T Model Hibrida Runtun Waktu Fuzzy Terbobot-Deret Fourier Model hibrida runtun waktu fuzzy terbobot-deret Fourier merupakan suatu model gabungan pendekatan runtun waktu fuzzy terbobot dan deret Fourier. Menurut Tsaur dan Kuo 13], berikut langkah untuk memperoleh model hibrida runtun waktu fuzzy terbobot-deret Fourier. Langkah 1. Menentukan nilai peramalan runtun waktu fuzzy. Langkah 2. Menentukan estimasi deret residu menggunakan deret Fourier. Deret residu diturunkan seperti berikut ε(t) = Y (t) ˆF (t), t = 1, 2,..., N ε(t) = ε(1), ε(2),..., ε(n)] T, dengan Y (t) adalah nilai sebenarnya pada waktu t, ˆF (t) adalah nilai peramalan menggunakan model runtun waktu fuzzy terbobot pada waktu t, dan matriks dari deret residu didefinisikan sebagai ε(t). Deret Fourier digunakan untuk menguraikan suatu deret fungsi periodik. Teknik penyesuaian deret residu dengan deret Fourier dapat meningkatkan keakuratan peramalan dari himpunan data yang periodik. 9
7 Estimasi deret residu diturunkan dari deret Fourier seperti ( ) ( )] ˆε(t) = 1 z 2 a 2Πi 0 + a i cos T t 2Πi + b i sin T t, t = 1, 2,..., n (2.2) dengan T adalah banyak deret residu yang sama panjangnya dengan n, z adalah frekuensi minimum penyebaran deret Fourier yang merupakan pembagian bilangan bulat n 1 2 ], dan a 0, a i, b i untuk i = 1, 2,..., z adalah parameter yang diperoleh dengan menggunakan metode kuadrat terkecil. Adapun langkah untuk memperoleh parameter deret Fourier dengan metode kuadrat terkecil sebagai berikut 1. Menentukan residu yaitu e(t) = ε(t) ˆε(t) 2. Menentukan jumlah kuadrat dari residu n n D 2 = e(t)] 2 = ε(t) ˆε(t)] 2 = = n ε(t) n 1 2 a 0 + ]]] 2 z a i cos( 2Πi T t) + b i sin( 2Πi T t) ε(t) 1 2 a 0 a 1 cos( 2Π T t) b 1 sin( 2Π T t) a 2 cos( 2Π2 T t) b 2 sin( 2Π2 T ] 2 t)... a z cos( 2Πz T t) b z sin( 2Πz T t) 3. Menghitung parameter a 0, a 1, b 1,..., a z, b z sedemikian sehingga D 2 minimum. Apabila turunan pertama terhadap parameter a 0, a 1, b 1,..., a z, b z adalah nol maka nilai D 2 akan minimum. Parameter diperoleh â = (P T P) 1 P T ε(t) (2.3) dengan â T = a 0, a 1, b 1,..., a z, b z ] dan 1 cos( 2Π) sin( 2Π 2Πz 2Πz )... cos( ) sin( ) 2 T T T T 1 cos(2 P = 2Π) sin(2 2Π 2Πz 2Πz )... cos(2 ) sin(2 2 T T T cos(n 2Π T ) sin(n 2Π T 10 T ) 2Πz 2Πz )... cos(n ) sin(n ) T T
8 Dengan mensubstitusikan persamaan (2.3) ke persamaan (2.2), diperoleh estimasi residu ˆε(t) = ˆε(1), ˆε(2),..., ˆε(n), ˆε(n + 1)] T. Nilai peramalan dapat dihitung menggunakan Ŷ (t) = ˆF (t) + ˆε(t), dengan Ŷ (t) adalah nilai peramalan data waktu t, ˆF (t) dan ˆε(t) adalah nilai peramalan runtun waktu fuzzy terbobot dan nilai estimasi residu pada waktu t Root Mean Square Eror (RMSE) Menurut Hanke dan Wichern 4], Root Mean Square Eror (RMSE) dapat digunakan sebagai kriteria untuk menentukan model terbaik. RMSE adalah akar kuadrat dari rata - rata kesalahan peramalan RMSE = n (Y t Ŷt) 2 n dengan Y t adalah nilai sebenarnya curah hujan bulanan pada waktu t, Ŷt adalah nilai peramalan curah hujan bulanan pada waktu t, dan n adalah banyak nilai yang diramalkan. 2.3 Kerangka Pemikiran DAS Bengawan Solo sering terjadi banjir yang disebabkan oleh luapan air sungai. Luapan air sungai dipengaruhi oleh curah hujan yang tinggi. Data curah hujan merupakan data runtun waktu yang mempunyai pola musiman. Salah satu model yang digunakan dalam meramalkan curah hujan yaitu runtun waktu fuzzy. Perkembangan dari runtun waktu fuzzy yang memperhatikan adanya pengulangan dan pembobotan yaitu runtun waktu fuzzy terbobot. Model runtun waktu fuzzy terbobot dapat digunakan pada data yang mempunyai pola musiman. Penelitian ini dilakukan peramalan curah hujan di DAS Bengawan Solo dengan menerapkan model hibrida runtun waktu fuzzy terbobot-deret Fourier. 11
9 Deret Fourier digunakan untuk mengestimasi deret residu yang diperoleh dari model runtun waktu fuzzy terbobot sehingga menghasilkan residu yang lebih kecil. 12
MODEL 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 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 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 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 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 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 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 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 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 terperinciABSTRACT. Keywords : rainfall, forecasting, fuzzy time series seasonal method
ABSTRAK Risqa Fitrianti Khoiriyah. 2016. PERAMALAN CURAH HUJAN DI STASIUN PABELAN SUKOHARJO DENGAN METODE RUNTUN WAKTU FUZZY MUSIMAN. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas
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 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 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 terperinciBAB III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA. Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi
BAB III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi atau getaran dari sebuah data pada frekuensi tertentu. Analisis spektral
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 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 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 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 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 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 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 terperinciPresentasi Sidand Tesis
HASIL DAN PEMBAHASAN 26 SISTEM DINAMIK (1) (2) T(t) = Populasi sel kanker pada saat t N(t) = Populasi sel normal pada saat t I(t) = Populasi sel kekebalan tubuh pada saat t Dengan Kondisi Awal T(0)=T0;
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 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 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 terperinciBAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan
BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental
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 2 LANDASAN TEORI. Himpunan fuzzy adalah bentuk umum himpunan biasa yang memiliki tingkat
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Himpunan fuzzy adalah bentuk umum himpunan biasa yang memiliki tingkat keanggotaan dari tiap-tiap elemen yang dibatasi dengan interval [ 0, 1 ]. Oleh karena itu
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 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Peramalan (forecasting) merupakan suatu kegiatan untuk mengetahui apa yang akan terjadi di masa mendatang dengan memperhatikan dan mempertimbangkan data-data yang
Lebih terperinciSiska Ernida Wati, Djakaria Sebayang, Rachmad Sitepu
Saintia Matematika Vol. 1, No. 3 (2013), pp. 273 24. PERBANDINGAN METODE FUZZY DENGAN REGRESI LINIER BERGANDA DALAM PERAMALAN JUMLAH PRODUKSI (Studi Kasus Produksi Kelapa Sawit di PT. Perkebunan III (PERSERO)
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 terperinciBAB III METODE PERAMALAN DENGAN METODE DEKOMPOSISI. Metode peramalan yang biasanya dilakukan didasarkan atas konsep
BAB III METODE PERAMALAN DENGAN METODE DEKOMPOSISI Metode peramalan yang biasanya dilakukan didasarkan atas konsep bahwa apabila terdapat pola yang mendasari suatu deret data, maka pola tersebut dapat
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 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 terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,
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 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 terperinciMetode Deret Berkala Box Jenkins
METODE BOX JENKINS Metode Deret Berkala Box Jenkins Suatu metode peramalan yang sistematis, yang tidak mengasumsikan suatu model tertentu, tetapi menganalisa deret berkala sehingga diperoleh suatu model
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 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 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 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 terperinciKata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa
SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciBAB III METODE DEKOMPOSISI SEASONAL TREND BASED ON LOESS (STL) average sebagai pemulus data untuk mengestimasi komponen musiman dan
BAB III METODE DEKOMPOSISI SEASONAL TREND BASED ON LOESS (STL) 3.1 Pendahuluan Metode dekomposisi klasik menggunakan pendekatan prosedur moving average sebagai pemulus data untuk mengestimasi komponen
Lebih terperinciAplikasi Deret Fourier (FS) Deret Fourier Aplikasi Deret Fourier
Aplikasi Deret Fourier (FS) 1. Deret Fourier Menurut Fourier setiap fungsi periodik dapat dinyatakan sebagai jumlah fungsi sinus dan cosinus yang tak berhingga jumlahnya dan dihubungkan secara harmonis.
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 2 TINJAUAN PUSTAKA
4 BAB 2 TINJAUAN PUSTAKA 2. 1. Fuzzy Logic Fuzzy logic pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia
Lebih terperinciBAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya
BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang
Lebih terperinciBAB IV ANALISIS PENGARUH VARIASI PEMBELAJARAN PENDIDIKAN AGAMA ISLAM TERHADAP HASIL BELAJAR SISWA SMP NEGERI 3 PEKALONGAN
BAB IV ANALISIS PENGARUH VARIASI PEMBELAJARAN PENDIDIKAN AGAMA ISLAM TERHADAP HASIL BELAJAR SISWA SMP NEGERI 3 PEKALONGAN A. Analisis Variasi Pembelajaran Pendidikan Agama Islam SMP Negeri 3 Pekalongan
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 terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciMinggu 11. MA2151 Simulasi dan Komputasi Matematika
Minggu 11 MA2151 Simulasi dan Komputasi Matematika Model Berdasarkan Data Model Berdasarkan Data Kadangkala kita dituntut untuk membangun suatu model berdasarkan data (yang terbatas). Untuk melakukan ini,
Lebih terperinciProgram Studi Pendidikan Matematika UNTIRTA. 10 Maret 2010
Metode Program Studi Pendidikan Matematika UNTIRTA 10 Maret 2010 (Program Studi Pendidikan Matematika UNTIRTA) Metode 10 Maret 2010 1 / 16 Ekspansi Taylor Misalkan f 2 C [a, b] dan x 0 2 [a, b], maka untuk
Lebih terperinciPEMODELAN CURAH HUJAN KUMULATIF MINGGUAN DARI DATA CURAH HUJAN STASIUN PURAJAYA. Ahmad Zakaria 1)
PEMODELAN CURAH HUJAN KUMULATIF MINGGUAN DARI DATA CURAH HUJAN STASIUN PURAJAYA Ahmad Zakaria 1) Abstract The goal of this research is to study the periodic and stochastic models of data series of the
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Deret Fourier Dalam bab ini akan dibahas mengenai deret dari suatu fungsi periodik. Jenis fungsi ini sering muncul dalam berbagai persoalan fisika, seperti getaran mekanik, arus
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 terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya
Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. maka di kembangkan kerangka pemikiran penelitian sebagai berikut: ketinggian
BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran dan Hipotesis 3.1.1 Kerangka Pemikiran Berdasarkan kerangka teori yang telah dijelaskan pada gambaran umum objek, maka di kembangkan kerangka pemikiran
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk
Lebih terperinciHimpunan (set) Himpunan (set) adalah kumpulan objekobjek yang berbeda. Objek di dalam himpunan disebut elemen, unsur, atau anggota.
HIMPUNAN Himpunan (set) Himpunan (set) adalah kumpulan objekobjek yang berbeda. Objek di dalam himpunan disebut elemen, unsur, atau anggota. Cara Penyajian Himpunan Enumerasi Simbol-simbol Baku Notasi
Lebih terperinciANALISIS NERACA AIR UNTUK PENETAPAN POLA TANAM DALAM MENINGKATKAN INDEKS PERTANAMAN 1
ANALISIS NERACA AIR UNTUK PENETAPAN POLA TANAM DALAM MENINGKATKAN INDEKS PERTANAMAN 1 Tujuan: Budi Indra Setiawan 2 1) Menjelaskan proses perhitungan neraca air di lahan pertanian 2) Mengidentifikasi pergantian
Lebih terperinciREVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA Anisa Citra Mutia, Aria Fajar Sundoro,
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 terperinciBAB IV ANALISIS HASIL PENELITIAN. Wonopringgo Pekalongan (Variabel X), peneliti menggunakan metode angket yang
40 BAB IV AALISIS HASIL PEELITIA A. Analisis Kompetensi Profesional Guru MTs. Syarif Hidayatullah Wonopringgo Pekalongan Untuk mengetahui kompetensi profesional guru MTs. Syarif Hidayatullah Wonopringgo
Lebih terperinciBAB I PENDAHULUAN. Statistika inferensial adalah statistika yang dengan segala informasi dari
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika inferensial adalah statistika yang dengan segala informasi dari sampel digunakan untuk menarik kesimpulan mengenai karakteristik populasi dari mana sampel
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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Probabilitas dan statistika, matematika fuzzy dan grey system theory merupakan tiga teori dan metode yang paling banyak diaplikasikan dalam penelitian dari sistem
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Musim hujan merupakan musim yang mutlak ada di sebagian belahan benua dunia. Dan curah hujan pasti memiliki
BAB I PENDAHULUAN 1.1 Latar Belakang Musim hujan merupakan musim yang mutlak ada di sebagian belahan benua dunia. Dan curah hujan pasti memiliki intensitas yang berbeda. Faktor penyebabnya dapat terjadi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam statistika dan pemrosesan sinyal, runtun waktu (time series) adalah rangkaian data berupa pengamatan yang diukur selama kurun waktu tertentu. Analisis
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 terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
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 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 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 terperinciBAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.
BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan
Lebih terperinciBAB 7 TEORI HIMPUNAN FUZZY
7 TEORI HIMPUNN FUZZY Himpunan fuzzy (fuzzy set) adalah generalisasi konsep himpunan ordiner. Untuk semesta wacana (universe of discourse) U, himpunan fuzzy ditentukan oleh fungsi yang memetakan anggota
Lebih terperinciPREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo)
PREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo) Ifan Wiranto, Wahab Musa, Wrastawa Ridwan Jurusan Teknik Elektro
Lebih terperinciPENDEKATAN NEAR MINIMAKS SEBAGAI PENDEKATAN FUNGSI. Lilik Prasetiyo Pratama
PENDEKATAN NEAR MINIMAKS SEBAGAI PENDEKATAN FUNGSI Lilik Prasetiyo Pratama Jurusan Matematika, FMIPA UNS. LATAR BELAKANG Tidak semua fungsi mudah dievaluasi, terlebih fungsi yang rumit. Pendekatan dengan
Lebih terperinciBAB II KAJIAN TEORI. Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program
BAB II KAJIAN TEORI Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program linear, metode simpleks, dan program linear fuzzy untuk membahas penyelesaian masalah menggunakan metode fuzzy
Lebih terperinciFUZZY MULTI-CRITERIA DECISION MAKING
Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBab 2 LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
Bab 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1 Definisi Peramalan Peramalan adalah suatu proses dalam menggunakan data historis yang telah dimiliki untuk diproyeksikan ke dalam suatu model peramalan. Dengan model peramalan
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI Pada Bab 2 ini akan diuraikan teori-teori yang berhubungan dengan peramalan menggunakan Metode Automatic Clustering-Relasi Logika Fuzzy. Teori-teori tersebut diantaranya ialah metode
Lebih terperinciHASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Eksplorasi data Tahap pertama dalam pembentukan model VAR adalah melakukan eksplorasi data untuk melihat perilaku data dari semua peubah yang akan dimasukkan dalam model. Eksplorasi
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 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 terperinciBAB III PENGAMBILAN DAN PENGOLAHAN DATA
BAB III PEGAMBILA DA PEGOLAHA DATA Pembahasan yang dilakukan pada penelitian ini, meliputi dua aspek, yaitu pengamatan data muka air dan pengolahan data muka air, yang akan dibahas dibawah ini sebagai
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 LOGIKA FUZZY Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari
Lebih terperinciBAB 2 LANDASAN TEORI. variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan bagian
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinci