JURNAL TEKNIK DINTEK, Vol. 10 No. 02, September 2017 : 21-31
|
|
- Hengki Setiawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 UMMU Ternate ABSTRAK Paper ini mendiskusikan tentang perbandingan tingkat akurasi data time series antara metode Average base fuzzy time series markov chain dengan metode Aoutomatic Clausterisng fuzzy time series Markov Chain. Pengujian dua metode ini dilakukan dengan menggunakan data history jumlah kecelakaan lalulintas. Tingkat akurasi yang digunakan adalah dengan mengukur prosentase kesalahan mean absolute percentage error (MAPE) dari dua metode tersebut. Dari pengujian, diperoleh MAPE sebesar 16.3 % untuk metode Average base fuzzy time series markov chain dan MAPE untuk metode Aoutomatic claustering fuzzy time series markov chain sebesar 14,40 %. Kata kunci : automatic claustring FTS, average based FTS, Markov Chain, data timeseries 1. PENDAHULUAN Berbagai metode khususnya pada time series telah banyak diusulkan dan dikembangkan. Diantara metodemetode tersebut, terdapat metode data time series berbasis fuzzy logic (logika samar), yang lebih dikenal dengan metode fuzzytime series (FTS). Perkembangan kajian metode FTS dimulai dari karya Song dan Chissom (1991) yang membahas tentang pendaftaran dengan metode fuzzy time series. Kemudian disusul dengan kajian kajian lain, diatanranya: Xihao dan Yimin (2009) dalam shanghai compound index menggunakan fuzzy time series berbasis interval rata-rata (average based), kemudian Chen (2009) dengan kajian Automatic Clustering dan Relasi Logika Fuzzy untuk meramalkan pendafataran, dan mengkan tingkat akurasi yang sangat baik oleh 21
2 Junaidi Noh, ST, MT, Analisis Perbandingan Tingkat Akurasi Metode Average Based FTS Markov Chain Dengan Automatic Claustering FTS Markov Chain Dalam Peramalan Timeseries karena dipengaruhi pembentukan klaster pada interval fuzzy. Kemudian Tsaur (2012), melakukan kajian pengembangan lagi dalam penelitian rate mata uang Taiwan dengan dolar Amerika menggunakan model fuzzy time series dengan rantai Markov. Kajian penelitian Chen (2009) dan Tsaur (2012) diatas, kemudian menginspirasi Haryono dkk. (2013) untuk melakukan kajian metode Automatic Clustering FTS dengan penambahan metode rantai markov untuk data kecelakaan lalulintas kota malang. Lalu pada perekembangan yang lain noh dkk (2015) melakukan kajian motode average based FTS dengan induksi rantai markov untuk data penggunaan bandwidth pada jaringan komputer, yang nya menunjukkan bahwa metode tersebut memiliki tingkat akurasi lebih baik jika dibandingkan dengan metode average based FTS. Kedua kajian belakangan memang memiliki kesamaan dalam hal mengintung yaitu dengan menggunakan relasi logika fuzzy yang dikombinasikan dengan rantai markov, namun juga memiliki perbendaan dalam penetuan interval fuzzy dimana yang satu menggunakan metode outomatic claustering dan yang lain menggunakan metode interval berbasis rata-rata (average based). Oleh karena ada perbedaan pada penentuan interval fuzzy tersebut, maka dalam paper ini akan didiskusikan tentang perbandingan tingkat akurasi dari model average base FTS markov chain dan model automatic claustering FTS mrkov chain. 2. METODE PENELITIAN Penelitian ini merupakan kajian perbandingan model average based FTS Markov chain dengan Model 22
3 Aoutomatic Clausterisng FTS Markov Chain dalam data timeseries. yang digunakan dalam penelitian ini adalah data history tingkat kecelakaan lalulintas di kota malang pada bulan januari tahun 2010 s.d bulan maret tahun 2013, yang diambil dari jurnal haryono dkk pada tahun diujikan pada kedua metode diatas untuk memperoleh dan prosentasi kesalahan berupa mean absolute percentage error (MAPE). Kemudian prosenstasi kesalahan tersebut, dianalisis dan dibandingkan untuk didapatkan metode yang terbaik. 2.1 Algoritma Average based FTS Markov Chain 1. Menentukan data semesta U (universe of discourse) Uinterval dan Tentukan jumlah interval efektif berbasis ratarata. 2. Bagi data U menjadi u1,u2, un berdasarkan jumlah interval efektif. 3. Tentukan himpunan fuzzy (fuzzy set) sesuai jumlah interval efektif dan gunakan fungsi keanggotaan segitiga untuk mendapatkan nilai keanggotaan fuzzy. 4. Tentukan data penggunaan bandwidthyang terfuzzyfikasi. 5. Tentukan fuzzy logic relation (FLR) dan fuzzy logic relation group (FLRG) 6. Hitung nilai dengan menginduksi state FLRG ke dalam matriks probabilitas transisi markov. 7. Hitung nilai kecenderungan dan. 2.2 Algoritma metode Automatic Clustering FTS Markov Chain 1. Menerapkan metode automatic clustering pada data historis ke suatu interval dan menghitung 23
4 Junaidi Noh, ST, MT, Analisis Perbandingan Tingkat Akurasi Metode Average Based FTS Markov Chain Dengan Automatic Claustering FTS Markov Chain Dalam Peramalan Timeseries nilai tengah dari masing-masing interval. 2. Menentukan himpunan fuzzy A i untuk setiap data aktualdengan aturan. Jika ada u i dimana 1 i n, maka data tersebut difuzzyfikasi ke A i. 3. Membuat relasi logika fuzzy (FLR) dan relasi logika fuzzy group (FLRG). 4. Menghitung nilai berdasarkan pada relasi logika fuzzy kelompok yang statenya diinduksi ke matriks probabilitas transisi markov Pij = (Mij) / Mi, dimana Pij merupakan probabilitas transisi dari state Ai ke Aj dengan satu kali langkah, Mij merupakan waktu transisi dari state Ai ke Aj dengan satu kali langkah, dan Mi adalah nilai dari data yang ada pada state Ai. dengan i, j = 1, 2,..,n 5. Menyesuaikan kecenderungan nilai dan hitung. 2.3 Kesalahan Kesalahan merupakan ukuran seberapa baik kinerja suatu model yang digunakan dengan membandingkan nilai dengan data aktual. Dalam penelitian ini kesalahan yang digunakan adalah mean absolute percentage error (MAPE). Adapun persamaan dari MAPE adalah sebagai berikut: 100 MAPE ( X F / X t n t t (1) Ket. X t = data aktual periode t, F t = data periode t, n = jumlah data 24
5 Tabel 1 aktual tingkat kecelakaan kota malang Januari 2010 s.d Maret 2013 No aktual No actual No aktual HASIL DAN PEMBAHASAN 3.1 Perhitungan Peramalan dengan metode Average Based FTS Markov Chain 1. Menjadikan data aktual dalam Tabel 1 berikut sebagai himpunan U. Kemudian defenisikan U dalam (Dmin, Dmax), dimana Dmin adalah data terkecil dan Dmax adalah data terbesar, sehingga diperoleh U = (9, 45), dimana Dmin = 9 dan Dmax = Tentukan rata-rata selisih absolute. 3. Dari ke-39 data aktual pada Tabel II, diperoleh rata-rata selisih absolute-nya adalah = 6,87 Hasil tersebut kemudian 25
6 Junaidi Noh, ST, MT, Analisis Perbandingan Tingkat Akurasi Metode Average Based FTS Markov Chain Dengan Automatic Claustering FTS Markov Chain Dalam Peramalan Timeseries dibagi 2 sehingga menjadi 6,87/ 2 = 3,43. Selanjutnya hitung panjang dan jumlah interval efektif, sehingga diperoleh panjang interval = 3 dan jumlah interval efektifnya adalah 13 interval. 4. Selanjutnya himpunan semesta U yang sudah ditentukan sebelumnya, dibagi ke dalam 13 interval yang sama untuk menentukan nilai lingusitik dan data yang terfuzzyfikasi. 5. Selanjutnya menentukan Fuzzy logic relationship (FLR) dan fuzzy logic relation group (FLRG). 6. Menghitung nilai dengan menginduksi state FLRG ke dalam matriks probabilitas transisi markov. 7. Menghitung nilai kecenderungan dan. Adapun tersaji dalam tabel Menghitung nilai kesalahan dengan mean absolute percentage rror (MAPE). Dari perhitungan berdasarkan pada persamaan (1) didapatkan eror nya adalah: MAPE = 1/38 x (6,25) x100 = 16,45 % Tabel 3 Hasil Peramalan Metode Average Based FTS Markov Chain
7 Mean absolute percentage error(mape) 16,45 % 3.2 Perhitungan dengan metode Automatic Clustering-Fuzzy Time Series- Markov Chain 1. Mengurutkan data history kecelakaan sebagaimana pada tabel 2 secara berurutan dari yang terkecil ke terbesar (9, 10, 15, 17, 18, 19, 20, 21, 22, 23, 24, 25, 27, 28, 30, 31, 32, 33, 35, 37, 45). Kemudian hitung nilai avarage diff, sehingga dari perhitungan diperoleh Avarage_diff adalah 1,8. 2. Membentuk klaster-klaster berdasarkan nilai avarage diff,sehingga diperoleh:{9, 10}, {15}, {17, 18, 19, 20, 21, 22, 23, 24, 25}, {27, 28,}, {30, 31, 32, 33}, {35}, {37}, {45}. 3. Menyesuaikan Intervalinterval, yaitu: {9-10}, {13,2-16,8 }, {17-25}, {27-28,}, {30-33}, {33,2-36,8}, {37}, {43,2-45}. 4. Mentransformasikan klasterklaster ke dalam interval, sebagai berikut: u1= [9-10), u2 = [10-13,2), u3 = [13,2-16,8), u4= [16,8-17), u5 = [17-25), u6 = [25-27), u7 = [27-28), u8 = [28-30), u9 = [30-33), u10 = [33-33,2), u11= [33,2-37), u12 = [37-43,2), u13 = [43,2-45). 27
8 Junaidi Noh, ST, MT, Analisis Perbandingan Tingkat Akurasi Metode Average Based FTS Markov Chain Dengan Automatic Claustering FTS Markov Chain Dalam Peramalan Timeseries 5. Membagi setiap interval menjadi p sub-interval, diambil p = 1, dan menghitung nilai mid point. Adapun Interval yang diperoleh adalah: u1 = [9-10), u2 = [10-13,2), u3 = [13,2-16,8), u4 = [16,8-17), u5 = [17-25), u6 = [25-27), u7 = [27-28), u8 = [28-30), u9 = [30-33), u10 = [33-33,2), u11= [33,2-37), u12 = [37-43,2), u13 = [43,2-45). Kemudian nilai mid point adalah sebagai berikut : m1 = 9,5, m2 = 11,6, m3 = 15, m4 = 16,9, m5 = 21, m6 = 26, m7 = 27,5, m8 = 29, m9 = 31,5, m10 = 32,6, m11 = 34,6, m12 = 40,1, m13 = 44,1. 6. Fuzzifikasi data aktual, tentukan fuzzy logic relationship (FLR) dan fuzzy logic relation group (FLRG). 7. Menghitung nilai berdasarkan pada grup relasi fuzzy dan matrik probabilitas transisi state Markov, selanjutnya menghitung nilai kecenderungan dan. Dari proses perhitungan diperoleh adalah sebagaimana yang tersaji dalam tabel Menghitung nilai kesalahan dengan mean absolute percentage error (MAPE). Dari perhitungan eror, diperoleh MAPE = 1/38 x (5,514) x 100% = 14,51% 4. ANALISIS Perbandingan tingkat akurasi dari kedua metode diatas dapat dilihat dari nilai MAPE yang diperoleh. Berdasarkan pada dan nilai MAPE, 28
9 menunjukkan bahwa metode Automatic Clustering-Fuzzy Time Series-Markov Chain memiliki tingkat akurasi lebih baik jika dibandingkan dengan metode average based FTS Markov Chain. Hal ini disebabkan karena pembentukan panjang dan jumlah interval pada metode Automatic Clustering-Fuzzy Time Series- Markov Chain ditentukan berdasarkan pada pembentukan klaster. Clupstering-Fuzzy Time Series- Markov Chaindan sebesar 16,45 % untuk metode average based FTS Markov Chain. 6. SARAN Pengujian data untuk memperoleh akurasi pada paper ini hanya menggunakan satu data. Oleh karena itu perlu dilakukan lagi pengujian dengan data lain. 5. KESIMPULAN Berdasarkan pada dan analisis, maka dapat disimpulkan bahwa data timeseries dengan menggunakan metode Automatic Clustering-Fuzzy Time Series-Markov Chain memiliki tingkat akurasi lebih baik jika dibandingkan dengan metode average based FTS Markov Chain. Hal ini terlihat dari MAPE, dimana MAPE sebesar 14,51 % dikan oleh metode Automatic 29
10 Junaidi Noh, ST, MT, Analisis Perbandingan Tingkat Akurasi Metode Average Based FTS Markov Chain Dengan Automatic Claustering FTS Markov Chain Dalam Peramalan Timeseries Tabel 4 Hasil Peramalan Metode Automatic Claustering FTS Markov Chain , , ,5 9 14, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,13 Mean absolute percentage error (MAPE) 14,51% DAFTAR PUSTAKA Chen, S., Forecasting enrollments based on FTS. Fuzzy sets and systems. Haris, M.S. Edi Santoso. dan D.E.Rahmawati, Implenetasi fuzzy time series dengan interval berbasis rata-rata untuk data penjualan, F. MIPA. Universitas Brawijaya Malang. Haryono, A. Widodo, A. Abusini, S., Kajian Automatic Claustering Fuzzy Time Series Markov Chain dalam Memprediksi History Jumlah Kecelakaan Lalulintasi di Kota Malang. Heizer, J., Render, B Manajemen Operasi.edisi 7. Salemba. Jakarta Langi, Yohanes, Penentuan klasifikasi state pada rantai markov. Jurnal Ilmiah Sains. 9 (1) : Makridakis, S.Wheelright.S.C. dan McGee. V.E Metode dan aplikasi.edisi 2. Erlangga. Jakarta. 30
11 Noh, J. Wijono. Yudaningtyas, E., Model Average Based FTS Markov Chain Untuk Peramalan Penggunaan Band Width Jaringan Komputer Rachmawansah, K., Average based fuzzy time series untuk kurs valuta asing, F.MIPA. Universitas Brawijaya Malang. Rahamini. (2010). Peramalan Jumlah Mahasiswa Pendaftar Pmdk Jurusan Matematika Menggunakan Metode Automatic Clustering dan Relasi Logika Fuzzy (Studi Kasus Di Institut Teknologi Sepuluh Nopember Surabaya). Skripsi: ITS. Ross, S.M Introduction to probability models.university of California Berkeley. California. Song, Q., dan B. S. Chissom, Forecasting enrollments with FTS Part I. Fuzzy sets and systems. Tsaur, R., A FTS Markov chain model with an application to forecast the exchange rate between the Taiwan and US dollar. International journal of innovative computing.8 (7b): Xihao, Sun, dan Yimin Li, Average-based FTS models for forecasting Shanghai compound index. World journal of modelling and simulation.4(2):
Model Average Based FTS Markov Chain untuk Peramalan Penggunaan Bandwidth Jaringan Komputer
31 Model Average Based FTS Markov Chain untuk Peramalan Penggunaan Bandwidth Jaringan Komputer Junaidi Noh, Wijono, dan Erni Yudaningtyas Abstract This paper discusses the problem of modeling the computer
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciBAB 4 HASIL DAN PEMBAHASAN
53 BAB 4 HASIL DAN PEMBAHASAN Pembahasan pada bab ini menjelaskan mengenai hasil pengumpulan data, hasil analisis data, pembahasan dan hasil perancangan layar. Setelah hasil perancangan layar juga terdapat
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 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 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 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 terperinciAnalisis dan Peramalan Kepadatan Jalan Raya Kodya Malang dengan FTS Average Based
14 Analisis dan Peramalan Kepadatan Jalan Raya Kodya Malang dengan FTS Average Based Anggri Sartika Wiguna Abstrak -Kemacetan saat ini menjadi persoalan serius di Kodya Malang. Berbagai penelitian yang
Lebih terperinciPeramalan Produksi Gula Pasir Menggunakan Fuzzy Time Series Dengan Optimasi Algoritma Genetika (Studi Kasus PG Candi Baru Sidoarjo)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2542-2548 http://j-ptiik.ub.ac.id Pe Produksi Gula Pasir Menggunakan Fuzzy Time Series Dengan
Lebih terperinciPENERAPAN METODE AUTOMATIC CLUSTERING DAN HIGH ORDER FUZZY TIME SERIES PADA PERAMALAN CURAH HUJAN. Muhammad Irsyad 1, Sonya Metarice 2
PENERAPAN METODE AUTOMATIC CLUSTERING DAN HIGH ORDER FUZZY TIME SERIES PADA PERAMALAN CURAH HUJAN Muhammad Irsyad 1, Sonya Metarice 2 Jurusan Teknik Informatika, Universitas Islam Negeri Sultan Syarif
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 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 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 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 terperinciPenerapan Metode Average-Based Fuzzy Time Series Untuk Prediksi Konsumsi Energi Listrik Indonesia
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1283-1289 http://j-ptiik.ub.ac.id Penerapan Metode Average-Based Fuzzy Time Series Untuk Prediksi
Lebih terperinciPERAMALAN INDEKS SAHAM SYARIAH DENGAN METODE FUZZY TIME SERIES RUEY CHYN TSAUR
PERAMALAN INDEKS SAHAM SYARIAH DENGAN METODE FUZZY TIME SERIES RUEY CHYN TSAUR (Studi Kasus: Harga Penutupan Saham Jakarta Islamic Index (JII) Periode Maret 013 Oktober 015) Skripsi Untuk memenuhi sebagai
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 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 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 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 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 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
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 terperinciBAB IV ANALISA DAN PERANCANGAN PROSES
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
Lebih terperinciTIM PROSIDING. Penanggung Jawab Prosiding: Dr. Komang Dharmawan. Editor:
Seminar Nasional Matematika 04, Universitas Udayana ISSN: 406-9868 TIM PROSIDING Penanggung Jawab Prosiding: Dr. Komang Dharmawan Editor: Tim Teknis: Layout & Cover: Ir. I Putu E.N. Kencana, MT., Drs.
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 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 terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
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 terperinciPendekatan Fuzzy Pada Peramalan Jumlah Kunjungan Wisatawan Mancanegara ke Kabupaten Badung
Pendekatan Fuzzy Pada Peramalan Jumlah Kunjungan Wisatawan Mancanegara ke Kabupaten Badung Tjokorda Bagus Oka Jurusan Matematika Fakultas MIPA Universitas Udayana Kampus Bukit Jimbaran, Badung 80211 e-mail:
Lebih terperinciBAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM
BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM 3.1 Pengertian Dasar Peramalan Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi
Lebih terperinciPrediksi Kebutuhan Air PDAM Kota Malang Menggunakan Metode Fuzzy Time Series Dengan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 133-142 http://j-ptiik.ub.ac.id Prediksi Kebutuhan Air PDAM Kota Malang Menggunakan Metode
Lebih terperinciDielektrika, ISSN Vol. 3, No. 1 : 45-52, Pebruari 2016
Dielektrika, ISSN 2086-9487 45 Vol. 3, No. 1 : 45-52, Pebruari 2016 PERAMALAN BEBAN LISTRIK JANGKA PENDEK PADA SISTEM KELISTRIKAN LOMBOK DENGAN FUZZY TIME SERIES (FTS) Short-Term Load Forecasting on Lombok
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 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 terperinciFITTING MODEL PADA DATA JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR MENGGUNAKAN METODE FUZZY TIME SERIES CHEN DAN HSU DIAN PERMANA
FITTING MODEL PADA DATA JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR MENGGUNAKAN METODE FUZZY TIME SERIES CHEN DAN HSU DIAN PERMANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciBAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN. Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani
BAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN 5. 1 Kesimpulan Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani dan bantuan software Matlab, dapat diambil beberapa kesimpulan sebagai
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 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 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 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 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 terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
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 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 terperinciPREDIKSI JUMLAH PENDUDUK MENGGUNAKAN FUZZY TIME SERIES MODEL CHEN (STUDI KASUS: KOTA TANJUNGPINANG) Novi Ade Putra
PREDIKSI JUMLAH PENDUDUK MENGGUNAKAN FUZZY TIME SERIES MODEL CHEN (STUDI KASUS: KOTA TANJUNGPINANG) Novi Ade Putra Mahasiswa Program Studi Teknik Informatika, FT UMRAH Hendra Kurniawan, S.Kom., M.Sc.Eng
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 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 terperinciPendekatan Rantai Markov Waktu Diskrit dalam Perencanaan Kebutuhan Tempat Tidur Rumah Sakit. Oleh: Enjela Puspadewi
Pendekatan Rantai Markov Waktu Diskrit dalam Perencanaan Kebutuhan Tempat Tidur Rumah Sakit Oleh: Enjela Puspadewi 1207 100 026 Abstrak Rumah sakit adalah institusi pelayanan kesehatan yang menyelenggarakan
Lebih terperinciPERBANDINGAN MODEL CHEN DAN MODEL LEE PADA METODE FUZZY TIME SERIES UNTUK PREDIKSI HARGA EMAS TUGAS AKHIR. Oleh : DARNI ANGGRIANI
PERBANDINGAN MODEL CHEN DAN MODEL LEE PADA METODE FUZZY TIME SERIES UNTUK PREDIKSI HARGA EMAS TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik Pada Jurusan Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN. pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung)
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan proses perkiraan tentang sesuatu yang terjadi pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung) merupakan data yang
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 terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
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 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 terperinciPENERAPAN METODE AUTOMATIC CLUSTERING DAN RELASI LOGIKA FUZZY UNTUK MERAMALKAN EKSPOR INDONESIA TUGAS AKHIR
PENERAPAN METODE AUTOMATIC CLUSTERING DAN RELASI LOGIKA FUZZY UNTUK MERAMALKAN EKSPOR INDONESIA TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik Pada Jurusan Teknik
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2560-2568 http://j-ptiik.ub.ac.id Optimasi Fuzzy Times Series Untuk Memprediksi Besar Nilai
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 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 terperinciANALISA DAN PERANCANGAN APLIKASI WEB PREDIKSI INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES MARKOV CHAIN MODEL
ANALISA DAN PERANCANGAN APLIKASI WEB PREDIKSI INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES MARKOV CHAIN MODEL Adelaila Gamalita, Ro fah Nur Rachmawati, Derwin Suhartono Universitas Bina Nusantara,
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN Pembahasan pada bab ini menjelaskan gambaran umum nilai tukar mata uang rupiah terhadap dolar amerika, metode penelitian, perancangan program aplikasi, rancangan perangkat lunak
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 terperinciPERAMALAN JUMLAH TANDAN BUAH SEGAR (TBS) KELAPA SAWIT DENGAN METODE FUZZY TIME SERIES CHEN DAN ALGORITMA RUEY CHYN TSUR (STUDI KASUS PADA PT.
PERAMALAN JUMLAH TANDAN BUAH SEGAR (TBS) KELAPA SAWIT DENGAN METODE FUZZY TIME SERIES CHEN DAN ALGORITMA RUEY CHYN TSUR (STUDI KASUS PADA PT. XYZ) Sarah Azmiyati 01 Widya Nurcahayanti Tanjung 02 Teknik
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 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 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 terperinciKOMBINASI ALGORITMA GENETIKA DAN ALGORITMA FUZZY TIME SERIES DALAM PREDIKSI JUMLAH CALON MAHASISWA BARU STIKOM DINAMIKA BANGSA JAMBI
KOMBINASI ALGORITMA GENETIKA DAN ALGORITMA FUZZY TIME SERIES DALAM PREDIKSI JUMLAH CALON MAHASISWA BARU STIKOM DINAMIKA BANGSA JAMBI M.Riza Pahlevi.B Program Studi Teknik Informatika, STIKOM Dinamika Bangsa,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1.Alat dan Bahan Penelitian Pada penelitian ini digunakan alat penelitian berupa perangkat keras dan perangkat lunak pendukung sebagai berikut: 3.1.1. Alat Penelitian 1.
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 PRODUK DOMESTIK REGIONAL BRUTO (PDRB) PROVINSI BALI DENGAN MENGGUNAKAN METODE FUZZY TIME SERIES
e-jurnal Matematika Vol. 1 No. 1 Agustus 2012, 12-19 PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) PROVINSI BALI DENGAN MENGGUNAKAN METODE FUZZY TIME SERIES I GUSTI NGURAH ARYA WANAYASA 1, I PUTU EKA
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 terperinciPeramalan Gabungan Rantai Markov dan Model Deret Waktu Pada Kasus Peramalan Kurs Nilai Mata Uang
[Type Artikel here] ini telah dipresentasikan dalam Innovative and Creative Information Technology Conference (ICITech) dengan tema E-Transaction and Power Play yang diselenggarakan oleh Program Studi
Lebih terperinci