Metode Automatic Clustering - Fuzzy logic relationships untuk Peramalan Data Univariate
|
|
- Fanny Tanuwidjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Metode Automatic Clustering - Fuzzy logic relationships untuk Peramalan Data Univariate Oleh. ROBERT KURNIAWAN Pembimbing: Drs. Slamet Mulyono, M.Sc., P.hD Co. Pembimbing: Dr. Irhamah, M.Si
2 Latar Belakang Forecasting atau peramalan penting untuk hal: - peramalan cuaca, - pemasaran, - prediksi gempa bumi, dan lain sebagainya. Metode untuk peramalan sangat banyak : - Regresi - TimeSeries Time Series Banyak Macamnya 1. ARIMA 2. Moving Average 3. Exponensial Smoothing 4. Time Series Regression 5. Dengan Konsep Artificial intelligence
3 Latar Belakang Artificial Intelligence : - Fuzzy Time Series - Neural Network - Genetic Algorithm Pada dekade terakhir ini dikembangkan Fuzzy Time Series yang awalnya dikenalkan oleh Song (1993). Chen (1996), memperkenalkan metode fuzzy time series dengan menggunakan operasi aritmatika sederhana.
4 Latar Belakang Chen (2000), menggunakan model fuzzy time series ordo tinggi untuk meramalkan data pendaftaran. Chung (2006), melakukan peramalan dengan menggunakan fuzzy time series dan genetic algorithm. Lee (2007) menggunakan fuzzy logical relationships dan genetic algotithm untuk meramalkan data iklim.
5 Latar Belakang Robandi (2006), sistem peramalan dengan fuzzy time series dapat menangkap pola dari data yang telah lalu untuk memproyeksikan data yang akan datang. Prosesnya juga tidak membutuhkan suatu sistem pembelajaran dari sistem yang rumit. Tahun 2009, Chen dkk mengembangkan metode fuzzy time series dengan menggabungkan antara metode Automatic Clustering Technique dengan Fuzzy Logic Relationships. Sehingga hasil yang diperoleh mempunyai nilai MSE yang minimum dibandingkan dengan metode Song and Chisom, Sullivan and Woodall s method, Huang s method.
6 Perumusan Masalah Bagaimana kinerja metode Automatic Clustering dan Fuzzy Logic Relationships ini bekerja untuk mendapatkan interval yang optimum. Dengan menerapkan ke data BPS dan Data Simulas. Diharapkan dari uji coba dari bermacam data tersebut dapat diaplikasikan ke beberapa data series BPS. Data Series Metode Peramalan Output
7 Tujuan Penelitian Mengkaji algoritma dari metode peramalan Automatic Clustering Technique Fuzzy Logic Relationships menjadi sebuah program perangkat lunak. Membuat Interface dari program perangkat Lunak tersebut untuk memudahkan User dalam penggunaannya. Menerapkan metode untuk Data Kunjungan Wisman ke Indonesia melalui Bandara Ngurah Rai Bali (Januari 1989 Februari 2009) dan Data Simulasi.
8 Manfaat Penelitian Menambah wawasan tentang metode peramalan Automatic Clustering Fuzzy Logic Relationships dan Bagaimana cara mendapatkan sub interval yang optimum untuk memperoleh nilai peramalan yang terbaik dengan kode program yang di kembangkan. Memudahkan User dalam menggunakan program ini untuk memperoleh nilai ramalan dengan interface yang ditampilkan.
9 Batasan Masalah Menyelesaikan masalah ini dengan membuat program komputasionalnya tanpa memperhatikan pengaruh dan fenomena pada data yang digunakan.
10 Tinjauan Pustaka Automatic Clustering Technique pertama kali diperkenalkan oleh M Kamel dan B Hadfield (1990), untuk menyelesaikan kasus pada masalah processing query fuzzy dalam data base dan untuk menangani ketidakjelasan dalam hal permintaan pada sistem informasi. Chen dan Hasio ( 2005), menggunakan automatic clustering technique untuk memperkirakan nilai null dalam system database relasional. Chang dan Chen (2009), menggunakan
11 Tinjauan Pustaka Wang dan Chen (2009), menggunakan automatic clustering technique digabungkan dengan teknik dua faktor tiga order tinggi fuzzy time series untuk memprediksi suhu. Fuzzy Logic adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu output.
12 Tinjauan Pustaka Pada fuzzy time series nilai yang digunakan untuk meramal merupakan himpunan fuzzy dari bilangan-bilangan real atas himpunan semesta yang ditentukan. Huang (2009) menjelaskan beberapa proses peramalan dengan menggunakan fuzzy time series, dengan melalui 6 tahapan: 1. Menentukan himpunan semesta dan membagi menjadi beberapa interval. 2. Menentukan himpunan fuzzy untuk tiap-tiap data yang diamati.
13 Tinjauan Pustaka 4. Membentuk fuzzy relationship dan fuzzy relationship grup. 5. Melakukan proses peramalan. 6. Melakukan proses defuzzifikasi terhadap hasil peramalan.
14 Definisi fuzzy time series menurut Song dan Chissom (1993) sebagai berikut: Definisi 1: U adalah sebuah semesta bilangan, dimana Sebuah Fuzzy set A dalam semesta U dapat dinyatakan sebagai berikut: dimana adalah fungsi keanggotaan dari fuzzy set A, dan : U [0,1], adalah nilai keanggotaan dari dalam fuzzy set A, dan Definisi 2 :, adalah sebuah subset dari R, dimana di dalam semesta
15 Definisi 3 : F(t) hanya disebabkan oleh F(t-1) dan di notasikan dengan F(t-1) F(t), dan ada hubungan antara F(t) dengan F(t-1), sehingga dapat dituliskan dengan notasi: dan symbol o adalah operator komposisi max min. Dan hubungan R disebut model order pertama dari F(t). Definisi 4 : Jika, dimana adalah fuzzy set, kemudian fuzzy logical relationships antara dapat ditunjukkan dengan
16 Algoritma Peramalan dengan Metode Automatic Clustering - Fuzzy Logic Relationships Langkah 1 : Memasukkan data yang akan dilakukan peramalan. Langkah 2 : Menentukan interval dengan menggunakan automatic clustering technique. Langkah 3 : Membentuk dan menentukan fuzzy logic relationships-nya dari interval yang sudah terbentuk. Langkah 4 : Menghitung nilai ramalannya dari hasil hubungan fuzzy logic-nya. Langkah 5 : Mencari nilai MSE dari hasil peramalan dibandingkan dengan data aktual.
17 Sumber Data dan Alat Data yang digunakan dalam penelitian ini adalah Data Kunjungan Wisatawan Manca Negara melalui Bandara Ngurah Rai Bali (Januari 1989 Februari 2009) dan data simulasi. Untuk membantu menyelesaikan perhitungan secara komputasional, diperlukan program Matlab dan Minitab 15.
18 Start Data Menentukan Interval dengan menggunakan Automatic Clustering Technique Membentuk dan Menentukan Fuzzy Logic Relationships Menghitung Nilai Peramalan Menghitung nilai MSE Mencari sampai sub interval ke p sampai MSE konvergen Untuk Diagram Alur secara lengkap sebagai berikut: Flow Chart End
19 GUI (Guide User Interface): HASIL dan PEMBAHASAN
20 Penerapan Data Simulasi Data Simulasi dibangkitkan dari skript makro minitab dengan model AR(1) dengan parameter yang berbeda yaitu dan Dengan jumlah data bangkitan sebanyak 100, 150, 200, 500, dan Masing-Masing data dengan parameter yang berbeda setelah di lakukan pengolahan dengan Metode ACFLR memperoleh hasil sebagai berikut:
21 MSE per Sub Interval per Data Simulasi MSE Data Simulasi p=1 0, , , , ,21519 p=2 0, ,3485 0, ,1772 0,18552 p=3 0, , , , ,10711 p=4 0, , , , , p=5 0, , , , , p=6 0, ,3041 x , , , p=7 0, ,702 x ,6259 x , , p=8 0, ,4257 x ,9028 x , p=9 0, , p=10 7,998 x 10-9
22 AFER per Sub Interval per Data Simulasi AFER Data Simulasi p=1 27, ,989 67, , ,8342 p=2 16, , , , ,0533 p=3 6, , , , ,0271 p=4 5, ,6526 2, , ,0088 p=5 5, ,8035 0, , ,9212 p=6 4,3236 0, , ,3565 3,2819 p=7 1,8737 0, , ,8072 1,5805 p=8 1,5254 0, , ,3255 p=9 1,5101 1,3233 p=10 0,005797
23 1000 0,981 0, PERFORMA ACFLR Dibandingkan dengan ARIMA phi = 0,7 N MSE ARIMA MSE ACFLR 100 1,078 7,998 x ,919 2,702 x ,038 9,4257 x 10-9 Tabel ini menunjukkan adanya perbedaan yang signifikan antara metode ACFLR dengan ARIMA yang ditunjukkan oleh nilai MSE dari ACFLR yang lebih kecil nilainya dibandingkan dengan nilai MSE dari ARIMA ,022 1,9028 x ,97 0, phi = - 0,7 N MSE ARIMA MSE ACFLR 100 1,24 1,6803 x ,957 1,2985 x 10-7 Gambar dari hasil pengolahan dengan metode ACFLR sebagai berikut 200 0,861 1,1361 x ,015 0,010885
24 PENERAPAN pada DATA REAL MSE dan AFER untuk data wisman bandara ngurah rai p MSE AFER ,11 2, ,58 1, ,667 0, ,594 0, ,36 0, ,361 0, ,5912 0, ,4184 0, ,0043 0, , , Hasil pengolahan data menggunakan metode AFCLR diperoleh hasil MSE dan AFER yang optimum pada sub interval p =10, yaitu sebesar 0,57997 dan 0, Hasil Pengolahan dengan Metode ARIMA dari data Kunjungan Wisman di Bandara Ngurah Rai dengan model ARIMA (1,1,1)(0,1,1) 12 diperoleh nilai MSE sebesar 301,5
25 KESIMPULAN DAN SARAN Kesimpulan Dari Algoritma metode ACFLR menghasilkan program perangkat lunak untuk memudahkan penghitungan dalam memperoleh nilai ramalan. Interface yang dibuat untuk metode ACFLR untuk memudahkan user dalam penghitungan angka ramalan disajikan sekaligus dengan menampilkan grafik dari tiap-tiap sub interval. Metode ACFLR lebih baik daripada Metode ARIMA Saran
26 Daftar Pustaka Badan Pusat Statistik (2009), Statistik Kunjungan Wisatawan Mancanegara Tahun 2009, BPS, Jakarta. Chang, S.T, dan Chen.S.M. (2009). Automatic Clustering and Multiple Regression Techniques. Expert System with Applications. 36. Pp Chen, S. M. (1996). Forecasting enrollments based on fuzzy time series. Fuzzy Sets and Systems, 81(3), Chen, S. M., dan Hwang, J. R. (2000). Temperature prediction using fuzzy time series. IEEE Transactions on Systems, Man, and Cybernetics Part B: Cybernetics, 30(2), Chen, S. M. (2002), Forecasting enrollment based on high-order fuzzy time series, Cybernetics and System: An International Journal, Vol.33, No.1, pp Chen, S.M. dan Hasio, H.R. (2005). A new method to estimate null values in relational database systems based on automatic clustering techniques. Information Sciences pp Chen, S. M., dan Chung, N.I. (2006), Forecasting Enrollment of Students by Uzing Fuzzy Time Series and Genetic Algorithms, Information and Management Sciences. Vol. 17, No. 3, pp Chen, S. M., Wang, N.Y. dan Pan. J.S. (2009), Forecasting enrollment automatic clustering techniques and fuzzy logical relationships, Cybernetics and System: An International Journal, Vol.33, No.1, pp Cheng, C. H., Cheng, G. W., dan Wang, J. W. (2008). Multi-attribute fuzzy time series method based on fuzzy clustering. Expert Systems with Application, 34(2), Damousis, I.G. dan DokoPoulos, P. (2001), A fuzzy expert system for the forecasting of wind speed and power generation in wind farm, Proceeding of the 22 nd IEEE
27 Huang, K. (2001). Heuristic models of fuzzy time series for forecasting. Fuzzy Sets and Systems, 123(3), Ju, Y. J., Kim, C. E., dan Shim, J. C. (1997), Genetic-based fuzzy models: Interest rate forecasting problem, Computers and Industrial Engineering, Vol.33, pp Kamel, M., Hadfield, B., dan Ismail, M. (1990). Fuzzy Query Processing Using Clustering Technique. Information Processing dan Management. Vol. 26, No. 2, pp Kusrini., dan Luthfi. E.T., (2009). Algoritma Data Mining. Andi. Yogyakarta. Kusumadewi, S., dan Purnomo, H. (2004). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Graha Ilmu. Yogyakarta. Lee. W.L., Wang. L.H., dan Chen. S.M., (2007), Temperature prediction and TAIFEX forecasting based on fuzzy logical relationships and genetic algorithm, Expert Systems with Applications.,33. pp Makridakis, S., Wheelwright, S.C., dan McGee, V.E. (1999), Jilid 1 edisi kedua, Terjemahan Ir. Untung S. Andriyanto dan Ir. Abdul Basith, Metode dan Aplikasi Peramalan, Penerbit Erlangga, Jakarta. Muhammad, A. dan King, G. A. (1997), Foreign exchange market forecasting using evolutionary fuzzy networks, Proceedings of the IEEE/IAFE 1997 Computational Intelligence for financial Engineering, New York, pp Nguyen, H.T. dan Wu, B. (2006). Fundamentals of Statistics with Fuzzy Data, StudFuzz, 198. pp Springer Verlag Berlin Heidelberg.
28 Nuvitasari, Eka. (2009). Analisis Intervensi Multi Input Fungsi Step dan Pulse Untuk Peramalan Kunjungan Wisatawan ke Indonesia. Thesis M.Si., Institute Teknologi Sepuluh Nopember, Surabaya. Robandi, I. (2006). Design Sistem Tenaga Modern Optimasi Logika Fuzzy Algoritma Genetika. Andi. Yogyakarta. Singh. S.R. (2009), A Computational Method of Forecasting Based on High-Order Fuzzy Time Series, Expert System with Applications, Song, Q. dan Chissom, B.S. (1993), Fuzzy time series and its models, Fuzzy Sets and System, Vol.54, No.3, pp Susianto, Y. (2008). Model Regresi Semiparametrik Kernel Untuk Menduga Produksi Padi Sawah Di Jawa Tengah, Tesis M.Si., Institut Teknologi Sepuluh Nopember, Surabaya. Wang, N.Y, dan Chen, S.M., (2009). Temperature prediction and TAIFEX forecasting based on automatic clustering technique and two-factors high-order fuzzy time series. Expert System with Applications. 36. pp Wei, W.W.S (1990), Time Series Analysis: Univariate and Multivariate Methods. Addison-Wesley Publishing Co., USA
29 ~TERIMAKASIH ~
Peramalan 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 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 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 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 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 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 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 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 terperinciPERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN
PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN SKRIPSI Oleh : TAUFAN FAHMI J2E008056 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPERAMALAN 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 terperinciPengujian Metode Fuzzy Time Series Chen dan Hsu Untuk Meramalkan Nilai Indeks Bursa Saham Syariahh Di Jakarta J Islamic Index (JII)
Pengujian Metode Fuzzy Time Series Chen dan Hsu Untuk Meramalkan Nilai Indeks Bursa Saham Syariahh Di Jakarta J Islamic Index (JII) Rizkaa Zulfikar, Prihatini Ade`Mayvita 1,2) Universitas Islam Kalimantan
Lebih terperinciBAB 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 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 INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES
PERAMALAN INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES Dwi Ayu Lusia 1, Suhartono 2 1 Mahasiswa Program Sarjana, Jurusan Statistika FMIPA-ITS (1307 100 013), 2 Dosen Pembimbing, Jurusan Statistika
Lebih terperinciPERAMALAN 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 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 FUZZY TIME SERIES DAN HOLT DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR STEVEN
PERBANDINGAN METODE FUZZY TIME SERIES DAN HOLT DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR STEVEN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciJURNAL 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 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 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 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 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 terperinciJURNAL TEKNIK DINTEK, Vol. 10 No. 02, September 2017 : 21-31
ANALISIS PERBANDINGAN TINGKAT AKURASI METODE AVERAGE BASED FTS MARKOV CHAIN DENGAN AUTOMATIC CLAUSTERING FTS MARKOV CHAIN DALAM PERAMALAN DATA TIMESERIES Junaidi Noh Dosen Program Study Teknik Informatika
Lebih 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 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 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 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 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 terperinci(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA
(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA Jimmy Ludin Mahasiswa Program Magister Jurusan Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
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 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 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 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 terperinciBAB I PENDAHULUAN. yang merupakan keuntungan perusahaan yang dibagikan kepada semua pemegang
BAB I PENDAHULUAN 1.1 Latar Belakang Ekspektasi atau motivasi setiap investor adalah mendapatkan keuntungan dari transaksi investasi yang dilakukan. Para investor yang bertransaksi di pasar modal, khususnya
Lebih terperinciKESIMPULAN DAN SARAN SARAN
KESIMPULAN DAN SARAN 1. Peramalan dengan menggunakan ensemble tiruan menghasilkan peramalan berupa pdf dan memiliki interval. Ensembel tiruan pada lead pertama dapat menangkap observasi kecepatan angin
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
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 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 terperinciPERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )
TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati (1207 100 031) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri
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 terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
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 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 terperinciSEMINAR HASIL TUGAS AKHIR
SEMINAR HASIL TUGAS AKHIR Model Peramalan Konsumsi Energi Final dengan Menggunakan Metode Regresi Fuzzy Untuk Dataset Kecil (Studi Kasus: Indonesia) Oleh: Alfi Lailah (1207 100 065) Dosen Pembimbing: Dra.
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 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 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 terperinciJURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman 197-207 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ARIMA DENGAN FUZZY AUTOREGRESSIVE (FAR) DALAM PERAMALAN INTERVAL
Lebih terperinciOptimasi Jumlah Pelanggan Perusahaan Daerah Air Minum Surya Sembada Kota Surabaya Berdasarkan Jenis Pelanggan dengan Metode Fuzzy Goal Programming
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6 1 Optimasi Jumlah Pelanggan Perusahaan Daerah Air Minum Surya Sembada Kota Surabaya Berdasarkan Jenis Pelanggan Metode Fuzzy Goal Programming Rofiqoh
Lebih terperinciMODEL PERAMALAN PASOKAN ENERGI PRIMER DENGAN PENDEKATAN METODE FUZZY LINEAR REGRESSION (FLR)
JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012 SIDANG TUGAS AKHIR MODEL PERAMALAN PASOKAN ENERGI PRIMER DENGAN PENDEKATAN METODE FUZZY
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 PEMBUATAN APLIKASI PERAMALAN JUMLAH PERMINTAAN PRODUK DENGAN METODE TIME SERIES EXPONENTIAL SMOOTHING HOLTS WINTER DI PT. TELEKOMUNIKASI INDONESIA Tbk.
Lebih terperinciUnnes Journal of Mathematics
UJM 2 (2) (2013) Unnes Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN PREDIKSI HARGA SAHAM DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN ARIMA Dwi Prisita
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 terperinciMEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB
MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan
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 terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
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 terperinciPEDEKATAN MODEL FUZZY TIME SERIES DENGAN ANALYTIC HIERARCHY PROCESS UNTUK PERAMALAN MAHASISWA BERPRESTASI
PEDEKATAN MODEL FUZZY TIME SERIES DENGAN ANALYTIC HIERARCHY PROCESS UNTUK PERAMALAN MAHASISWA BERPRESTASI Rahmad Syah Jurusan Teknik Informatika, sekolah tinggi teknik harapan Jln. H.M Joni, Sumatera Utara,
Lebih terperinciPERBANDINGAN 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 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 terperinciBAB I PENDAHULUAN. Kemunculan minimarket yang begitu banyak membuat manajemen
BAB I PENDAHULUAN 1.1. Pendahuluan Kemunculan minimarket yang begitu banyak membuat manajemen perusahaan minimarket harus berfikir kreatif agar dapat bersaing dengan usaha sejenis dalam merebut pangsa
Lebih terperinciSISTEM PREDIKSI HARGA MOBIL AVANZA (BEKAS) MENGGUNAKAN FUZZY INFERENCE SYSTEM DENGAN METODE MAMDANI
SISTEM PREDIKSI HARGA MOBIL AVANZA (BEKAS) MENGGUNAKAN FUZZY INFERENCE SYSTEM DENGAN METODE MAMDANI Normalisa, 2013, Jurnal Teknik Informatika Universitas Pamulang ABSTRAKSI Menentukan harga beli untuk
Lebih terperinciAPLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR
APLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR Sebagai Salah Satu Syarat Untuk Menyelesaikan Program Stratum-1 (S1)
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
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 terperinciPeramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan
Lebih terperinciAchmad Fauqy Ashari Supervisor: Wiwik Anggraeni S.Si, M.Kom Ahmad Mukhlason S.Kom, M.Sc
Achmad Fauqy Ashari 5208100150 Supervisor: Wiwik Anggraeni S.Si, M.Kom Ahmad Mukhlason S.Kom, M.Sc Sistem Informasi - FTIf - 2012 Tujuan dari tugas akhir ini adalah pengembangan prototipe sistem cerdas
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 terperinciMetoda Penelitian dengan Metoda Taguchi
Metoda Penelitian dengan Metoda Taguchi Menentukan faktor- faktor yang berhubungan dengan hasil yang ingin dicapai Apabila hasil yang diperoleh belum sesuai dengan yang diharapkan, ubah nilai level masing-masing
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 terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN Titik Misriati AMIK BSI Jakarta Jl. R.S Fatmawati No. 24 Pondok Labu, Jakarta Selatan titik.tmi@bsi.ac.id ABSTRACT
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA
Aplikasi Jaringan Syaraf Tiruan Multilayer Perceptron (Joni Riadi dan Nurmahaludin) APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA Joni Riadi (1) dan Nurmahaludin
Lebih terperinciIDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA)
IDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA) Oleh: R I O J A K A R I A NPM. 140720090023 T E S I S Untuk memenuhi salah
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciPERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
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 terperinciESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2
Vol. 7, No. 2, Desember 2012 ESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2 Novi Mara KODE ARTIKEL : 117-2-12
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 terperinciPENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 28 37 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU NELFA SARI Program Studi Matematika, Fakultas
Lebih terperinciPEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM
PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan analisis data dan pembahasan pada Bab IV, kesimpulan penelitian ini adalah sebagai berikut. 1. Model VARIMA yang sesuai untuk data penjualan obat I,
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 terperinciPeramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun
Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun NAMA : RITA RAHMADHANI NRP : 1306 030 008 PEMBIMBING: DR. BRODJOL SUTIJO
Lebih terperinciMODEL HEURISTIC TIME INVARIANT FUZZY TIME SERIES DAN METODE ANALISIS REGRESI UNTUK PREDIKSI LABA DAN ANALISIS VARIABEL YANG MEMPENGARUHI
MODEL HEURISTIC TIME INVARIANT FUZZY TIME SERIES DAN METODE ANALISIS REGRESI UNTUK PREDIKSI LABA DAN ANALISIS VARIABEL YANG MEMPENGARUHI Tesis untuk memenuhi sebagian persyaratan mencapai derajat Sarjana
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 441-450 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL
Lebih terperinciJaringan Neuro-Fuzi Berbasis Algoritma Genetik Dinamis Multiresolusi untuk Pemodelan Sistem Chaotic Diskrit Henon
Jaringan Neuro-Fuzi Berbasis Algoritma Genetik Dinamis Multiresolusi untuk Pemodelan Sistem Chaotic Diskrit Henon Oyas Wahyunggoro 1, Gunawan Ariyanto 2 1 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciPERAMALAN BUTUHAN HIDUP MINIMUM MENGGUNAKAN AUTOMATIC CLUSTERING DAN FUZZY LOGICAL RELATIONSHIP
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol 3, No 2, Juni 2016, hlm 94-102 PERAMALAN BUTUHAN HIDUP MINIMUM MENGGUNAKAN AUTOMATIC CLUSTERING DAN FUZZY LOGICAL RELATIONSHIP Yusuf Priyo Anggodo
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciMeytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.
ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F. 1210100014
Lebih terperinciPeramalan Jumlah Pengunjung Wisata Menggunakan Fuzzy Logical Relationship dan Algoritme Genetika (Studi Kasus Wisatawan Kabupaten Banyuwangi)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1109-1118 http://j-ptiik.ub.ac.id Peramalan Jumlah Pengunjung Wisata Menggunakan Fuzzy Logical
Lebih terperinciABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan
Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciKAJIAN TEORITIS HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK UNTUK PERAMALAN DATA RUNTUN WAKTU
Bimaster Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No.3 (2013), hal 205-210 KAJIAN TEORITIS HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK UNTUK PERAMALAN DATA RUNTUN WAKTU Muhlasah
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih 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 terperinciPERANCANGAN APLIKASI PENCARIAN RUTE TERPENDEK MENEMUKAN TEMPAT PARIWISATA TERDEKAT DI KEDIRI DENGAN METODE FLOYD- WARSHALL UNTUK SMARTPHONE
PERANCANGAN APLIKASI PENCARIAN RUTE TERPENDEK MENEMUKAN TEMPAT PARIWISATA TERDEKAT DI KEDIRI DENGAN METODE FLOYD- WARSHALL UNTUK SMARTPHONE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh
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 terperinciOptimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika
Optimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika Disusun Oleh : Ainy Mahmudah 1307 100 002 Pembimbing I Pembimbing II : Dr. Irhamah, S.Si., M.Si : Dra. Sri Mumpuni R, M.Si
Lebih terperinciPERBANDINGAN ALGORITMA GENETIKA DAN METODE STATISTIK ARIMA UNTUK PREDIKSI DATA TIME SERIES (Studi Kasus : Kunjungan Museum di Kota Yogyakarta)
Prosiding Semirata 2015 bidang Teknologi Informasi dan Multi Disiplin Universitas Tanjungpura Pontianak Hal 69-82 PERBANDINGAN ALGORITMA GENETIKA DAN METODE STATISTIK ARIMA UNTUK PREDIKSI DATA TIME SERIES
Lebih terperinciPeramalan Jumlah Kunjungan Wisatawan Kota Batu Menggunakan Metode Time Invariant Fuzzy Time Series
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 548-964X Vol., No., Februari 7, hlm. 85-94 http://j-ptiik.ub.ac.id Peramalan Jumlah Kunjungan Wisatawan Kota Batu Menggunakan Metode Time
Lebih terperinci