PENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA
|
|
- Hartono Tanudjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 Padjadjaran 1 Departemen Statistika Universitas Padjadjaran 2,3 lestarikhanty@gmail.com ABSTRAK Metode fuzzy time series didasarkan pada teori fuzzy set dan konsep variabel linguistik. Metode ini mengubah data bilangan riil ke dalam variabel linguistik untuk mendapatkan hubungan relasi fuzzy. Fuzzy time series merupakan metode peramalan yang dapat meramalkan data historis terbatas dengan tingkat kesalahan yang kecil. Dalam perhitungan peramalan dengan menggunakan fuzzy time series, jumlah interval ditentukan oleh peneliti di awal proses peramalan dan penentuan jumlah interval dapat mempengaruhi pembentukan fuzzy relationship serta hasil perhitungan peramalan. Tujuan penelitian ini adalah untuk mendapatkan hasil peramalan produksi padi kabupaten Majalengka bedasarkan data produksi padi selama 20 tahun dari periode 1997 sampai 2016 dengan hasil yang cukup akurat dengan mengimplementasikan metode fuzzy time series. Metode fuzzy time series yang digunakan yaitu metode fuzzy time series Chen dan metode fuzzy time series Cheng. Metode fuzzy time series Chen melakukan perhitungan peramalan dengan algoritma sederhana sedangkan metode Cheng melakukan perhitungan peramalan dengan mengimplementasikan peramalan adaptif dan memberikan pertambahan bobot pada relasi fuzzy yang terulang. Untuk perbandingan agar diperoleh model yang terbaik digunakan Mean Absolute Percentage Error (MAPE), semakin kecil MAPE yang diperoleh maka hasil peramalan semakin baik. Kata kunci: Fuzzy Time Series, Metode Chen dan Cheng. 1. PENDAHULUAN Padi adalah sumber makanan yang penting untuk manusia. Tanpa padi manusia akan kehilangan salah satu tumbuhan yang paling berpengaruh dalam pemenuhan energi untuk melakukan aktifitas seharihari. Semakin bertambahnya penduduk maka kebutuhan akan produksi padi akan semakin meningkat. Namun disamping terus meningkatnya kebutuhan poduksi padi, banyak masalah pangan yang terjadi. Berbagai masalah pangan seperti adanya alih fungsi lahan pertanian, perubahan musim yang tidak menentu, serangan hama, dan cuaca ekstrem seperti kemarau berkepanjangan dapat menyebabkan produksi padi menurun dan persediaan pangan menjadi tidak stabil. Ketidakstabilan persediaan pangan dapat memicu munculnya kerusuhan yang mengarah pada tindak kriminal [1] sehingga produksi padi harus terus di kontrol dari tahun ke tahun agar dapat menghindari kekurangan produksi padi yang dapat menyebabkan masalah ketidakstabilan pangan. Dalam upaya perngontrolan produksi padi, maka diperlukan peramalan produksi padi di masa yang akan datang. Data produksi padi memiliki unsur ketidakpastian karena tidak ada parameter pasti yang dapat mempengaruhi jumlah produksi padi. Selain itu data yang digunakan pada penelitian ini hanya memiliki data historis yang terbatas yaitu data produksi padi pertahun selama 20 tahun, sehingga dibutuhkan metode yang cocok untuk meramalkan data produksi padi. Pandey[2] dalam penelitiannya mengatakan bahwa metode fuzzy time series adalah metode yang cocok untuk meramalkan data produksi padi dengan akurasi yang sangat baik dan data historis yang digunakan dalam penelitian tersebut juga memiliki data historis yang terbatas yaitu sebanyak 22 tahun. 130
2 2. METODE PENELITIAN Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Dinas Pertanian dan Perikanan Kabupaten Majalengka yaitu data produksi padi tahunan periode 1997 sampai dengan Metode Penelitian Metode fuzzy time series adalah sebuah konsep peramalan yang diusulkan oleh Song dan Chissom pada tahun 1993 dengan menerapkan konsep logika fuzzy untuk mengembangkan dasar dari fuzzy time series dengan menggunakan metode time invariant dan time variant yang digunakan untuk memodelkan peramalan jumlah pendaftar di Universitas Alabama[3][4]. Fuzzy time series dapat digunakan untuk menyelesaikan masalah peramalan dengan data historis yang berwujud linguistik dan bilangan riil dengan mengubah data bilangan riil tersebut menjadi variabel linguistik. Terdapat banyak modifikasi metode fuzzy time series yang dikembangkan sampai sekarang oleh berbagai peneliti mulai dari penyederhanaan sistem perhitungan sehingga peramalan dapat dilakukan dengan lebih mudah sampai dengan modifikasi fuzzy time series sehingga dapat digunakan untuk data multivariat. Dalam penelitian ini, peneliti akan fokus pada penggunaan metode fuzzy time series oleh Chen dengan modifikasi penyederhanaan sistem perhitungan[5][6] dan oleh Cheng dengan penambahan bobot pada setiap relasi fuzzy yang terulang dan penerapan peramalan adaptif untuk menambar keakuratan hasil peramalan[7][8], setelah itu hasil yang didapatkan akan dibandingkan sehingga dapat diketahui apakah terdapat perbedaan tingkat akurasi ketika dilakukan pembobotan terhadap relasi fuzzy dengan tidak dilakukan pembobotan[9]. Fuzzy Time Series Chen Chen[6] mengusulkan sebuah model baru untuk menyederhanakan kompleksitas komputasi pada proses peramalan model Song dan Chissom yaitu dengan menggunakan operasi aritmatika sederhana dalam rangka megurangi prosedur perhitungan model time-variant dan time-invariant sehingga peneliti dapat lebih mudah dalam melakukan perhitungan. Dalam metode fuzzy time series Chen, terdapat beberapa aturan untuk menentukan defuzzifikasi dan hasil peramalan. Aturan peramalan tersebut akan dijelaskan sebagai berikut: 1. Jika fuzzifikasi pada tahun ke t adalah A i dan FLR dari A i tidak ada (A i #) dimana nilai maksimum fungsi keanggotaan A i berada pada interval u i dan nilai tengah u i adalah m i maka hasil peramalannya adalah m i. 2. Jika fuzzifikasi pada tahun ke t adalah A i dan hanya terdapat satu FLR dalam FLRG, misalnya A i A j dan nilai maksimum A j berada pada interval u j, maka peramalannya adalah nilai tengah dari u j yang kita misalkan sebagai m j. 3. Jika fuzzifikasi pada tahun ke t adalah A i dan terdapat beberapa FLR pada FLRG, misalnya A i A j1, A j2,..., A k dimana A j1, A j2,..., A jk adalah himpunan fuzzy dan nilai maksimum fungsi keanggotaannya berada pada interval u j1, u j2,..., ujk dan m j1, m j2,..., m jk adalah nilai tengah dari setiap u, maka peramalannya adalah seluruh nilai m dibagi dengan k. 4. Tahapan peramalan dengan menggunakan metode fuzzy time series Chen adalah sebagai berikut: 1. Menentukan himpunan semesta data historis dengan rumus: U = [X min D 1, X max + D 2] (1) Dengan X min adalah data historis minimum dan X max adalah data historis maksimum. D 1 dan D 2 adalah bilangan positif yang ditentukan oleh peneliti untuk menentukan himpunan semesta data historis. 2. Menentukan jumlah interval dengan mempartisi himpunan semesta ke dalam k interval dengan panjang interval yang sama yaitu u 1,u 2,... u k. Jumlah interval dapat ditentukan dengan persamaan berikut: Jumlah interval = log (n) (2) 131
3 Dan penentuan lebar intervalnya dengan persamaan berikut: Lebar Interval = Xmax Xmin Jumlah interval (3) SEMINAR STATISTIKA FMIPA UNPAD 2017 (SNS VI) 3. Menentukan himpunan fuzzy (fuzzy set) dalam semesta pembicaraan. Himpunan fuzzy dibentuk sesuai dengan jumlah interval yang telah ditentukan yaitu himpunan fuzzy A 1 untuk interval u 1, himpunan fuzzy A 2 untuk interval u 2 sampai himpunan fuzzy A k untuk interval u k. 4. Melakukan fuzzifikasi pada data historis yang diamati. Setiap nilai data historis difuzzifikasi sesuai dengan nilai yang terdapat pada himpunan fuzzy. 5. Menetapkan relasi logika fuzzy berdasarkan urutan data historis. Pada data yang telah di fuzzifikasi, dua himpunan fuzzy yang berurutan A i(t-1) dan A j(t) dinyatakan sebagai FLR A i A j. Artinya A i memiliki hubungan dengan A j. 6. FLR yang memiliki LHS yang sama dapat dikelompokan menjadi grup FLR. Misalnya A i A j, A i A k, A i A l dapat dikelompokkan menjadi A i A j, A k, A l. Setelah di dapatkan grup FLR, maka terbentuk Fuzzy Logical Relationship Group (FLRG). 7. Melakukan defuzzifikasi untuk mendapatkan hasil peramalan berdasarkan aturan peramalan metode Chen. 8. Setelah didapatkan hasil peramalan, kemudian membuat grafik hasil peramalan. 9. Menghitung nilai MAPE dengan persamaan: MAPE = n (X t F t) t=1 X t n x 100% (4) 10. Menginterpretasikan hasil dan kesimpulan berdasarkan analisis fuzzy time series Chen. Fuzzy Time Series Cheng Cheng[8] kemudian mencoba memberikan modifikasi pada metode Fuzzy Time Series Chen dengan memberikan bobot pada setiap kelompok relasi fuzzy yang mengalami pengulangan. Pembobotan diberikan berdasarkan tabel berikut: Tabel 1. Pembobotan Fuzzy Time Series Cheng t: waktu FLR Bobot 1 A 1 A 1 Diberikan bobot 1 2 A 2 A 1 Diberikan bobot 1 3 A 1 A 1 Diberikan bobot 2 4 A 1 A 1 Diberikan bobot 3 Dapat terlihat dari tabel jika terdapat pengulangan hubungan logika fuzzy maka akan diberlakukan penambahan bobot menjadi semakin besar hal ini bertujuan untuk memberikan akurasi yang lebih tepat pada penelitian. Metode ini juga menerapkan peramalan adaptif untuk memodifikasi hasil peramalan sehingga kesalahan peramalan semakin kecil. Tahapan peramalan dengan menggunakan metode fuzzy time series Chen adalah sebagai berikut: Langkah peramalan dengan metode Cheng sama dengan metode Chen dari langkah ke-1 sampai dengan langkah ke-6. Namun dalam penentuan intervalnya, jika terdapat frekuensi pada masing-masing interval yang melebihi rata-rata dari semua frekuensi interval maka frekuensi tersebut dibagi lagi menjadi interval baru dengan panjang interval yang sama. Kemudian akan dijelaskan langkah selanjutnya dalam melakukan peramalan menggunakan metode Cheng. 1. Melakukan pembobotan untuk relasi fuzzy yang terulang dan mentransfer bobot tersebut ke dalam matriks pembobotan yang telah di normalisasi dengan persamaan: 132
4 W n (t) = [ w 1 i h=1 w h, w 2 i h=1 w h,, w k i h=1 w h ] (5) 2. Melakukan defuzzifikasi berdasarkan metode Cheng, yaitu mengalikan matriks pembobotan dengan matriks defuzzifikasi L df = [m 1, m 2,, m k ] (6) Sehingga peramalannya didapatkan dari persamaan: F t = L df(t 1) W n (t 1) (7) 3. Mendapatkan nilai peramalan akhir dengan melakukan peramalan adaftif berdasarkan persamaan: PA(t) = X t 1 + h (F t X t 1 ) (8) Dengan X t 1 adalah nilai data aktual pada waktu t-1, F t adalah hasil peramalan, PA(t) adalah hasil modifikasi peramalan pada waktu (t) dan h adalah parameter pembobotan dengan nilai bekisar Setelah dilakukan defuzzifikasi dan didapatkan nilai peramalan akhir, maka langkah selanjutnya juga sama seperti pada metode Chen yaitu membuat grafik peramalan, menghitung nilai MAPE dengan persamaan (4) kemudian menginterpretasikan hasil serta memberikan kesimpulan berdasarkan metode Cheng. 3. HASIL DAN PEMBAHASAN Setelah dilakukan peramalan dengan mengikuti langkah yang telah dijelaskan, maka didapatkan hasilhasil sebagai berikut: Plot Data Time Series Plot of Produksi Produksi Grafik 1. Plot time series tersebut menunjukkan bahwa data mengikuti pola trend naik. Produksi padi terendah terjadi pada tahun 1999 yaitu sebesar ton dan tertinggi pada tahun 2016 sebesar ton. Himpunan Semesta Dari data, didapatkan nilai maksimum adalah X max= ton dan X min= ton, sehingga peneliti menentukan D 1=1.521 dan D 2=2.564 didapatkan himpunan semestanya: U = [ , ] U = [430000,770000] PERAMALAN DENGAN FUZZY TIME SERIES CHEN Jumlah Interval Jumlah interval dihitung dengan persamaan (2) yaitu Jumlah interval = log (20) sehingga didapatkan jumlah intervalnya adalah 5,29 dan dibulatkan menjadi 5 interval dengan panjang masing-masing interval adalah Masing masing interval dijelaskan pada Tabel Year Tabel 2. Interval dan Frekuensi Data Interval Frekuensi u 1= [430000, ] 6 133
5 u 2= [498000, ] 6 u 3= [566000, ] 3 u 4= [634000, ] 3 u 5= [702000, ] 2 Himpunan Fuzzy Himpunan fuzzy A 1, A 2,... A k dibentuk berdasarkan interval yang telah ditentukan dan dapat di definisikan sebagai berikut: A 1=1/u 1+0,5/u 2+0/u 3+0/u 4+0/u 5 A 21=0,5/u 1+1/u 2+0,5/u 3+0/u 4+0/u 5 A 3=0/u 1+0,5/u 2+1/u 3+0,5/u 4+0/u 5 A 4=0/u 1+0/u 2+0,5/u 3+1/u 4+0,5/u 5 A 5=0/u 1+0/u 2+0/u 3+0,5/u 4+1/u 5 Fuzzifikasi Tahap fuzzifikasi berdasarkan interval yang telah diperoleh, sehingga data produksi padi yang dinotasikan ke dalam variabel linguistik dapat dilihat dalam Tabel 3. Tabel 3. Fuzzifikasi Tahun Produksi Fuzzifikasi A A A A A A A 5 Dari fuzzifikasi, terbentuk Fuzzy Logic Relationship (FLR) yaitu hubungan fuzzy A i dari tahun ke tahun seperti dijelaskan pada Tabel 4. Tabel 4. Fuzzy Logic Relationship Tahun Fuzzifikasi A 1 A A 1 A A 1 A A 1 A A 2 A A 4 A A 4 A 5 Fuzzy Logic Relationship Group FLRG dilakukan dengan mengelompokkan himpunan fuzzy yang memiliki current state sama, sehingga didapatkan kelompok hubungan logika fuzzynya. Tabel 5. Fuzzy Logic Relationship Group Grup Relasi Logika Fuzzy 1 A 1 A 1,A 2 2 A 2 A 1,A 2,A 3 3 A 3 A 3,A 4 4 A 4 A 4,A 5 134
6 5 A 5 A 4 Defuzzifikasi Terdapat dua tahap dalam proses defuzzifikasi dengan metode fuzzy time series Chen yaitu pertama menghitung nilai tengah setiap interval dengan persamaan: (batas atas+batas bawah) m i = (10) 2 Kemudian tahap kedua menghitung nilai peramalan berdasarkan aturan defuzzifikasi fuzzy time series Chen. Maka, diperoleh hasil defuzzifikasi dari FLRG pada Tabel 5. Tabel 5. Hasil Defuzzifikasi FLRG Produksi Padi Peramalan Produksi Padi A A A A A Sehingga didapatkan hasil peramalan untuk seluruh datanya pada Tabel 6. Tabel 6. Hasil peramalan Tahun Produksi Forecast
7 Plot Data Hasil Peramalan Fuzzy Time Series Chen Dari hasil peramalan tersebut diperoleh plot data seperti pada Grafik Forecast Produksi Grafik 2. Akurasi Peramalan Setelah didapatkan hasil peramalan, dihitung akurasi hasilnya menggunakan MAPE dengan persamaan (4) dan diperoleh MAPE sebesar 4,68%. PERAMALAN DENGAN FUZZY TIME SERIES CHENG Jumlah Interval Dapat dilihat dari Tabel 2, rata-rata frekuensi untuk masing-masing interval adalah 4 sehingga interval yang memiliki frekuensi lebih dari 4 harus dibagi menjadi 2 interval dengan lebar yang sama. Didapatkan jumlah interval baru sebagai berikut: Tabel 7. Interval Berdasarkan Frekuensi Interval Kondisi Nilai Tengah u 1=[430000, ] kedua m 1= u 2=[464000, ] kedua m 2= u 3=[498000, ] kedua m 3= u 4=[532000, ] kedua m 4= u 5=[566000, ] pertama m 5= u 6=[634000, ] pertama m 6= u 7=[702000, ] pertama m 7= Himpunan Fuzzy Himpunan fuzzy A 1, A 2,... A k dibentuk lagi berdasarkan interval baru yang telah ditentukan dan dapat di definisikan sebagai berikut: A 1=1/u 1+0,5/u 2+0/u 3+0/u 4+0/u 5+0/u6+0/u 7 A 21=0,5/u 1+1/u 2+0,5/u 3+0/u 4+0/u 5+0/u6+0/u 7 A 3=0/u 1+0,5/u 2+1/u 3+0,5/u 4+0/u 5+0/u6+0/u 7 A 4=0/u 1+0/u 2+0,5/u 3+1/u 4+0,5/u 5+0/u 6+0/u 7 A 5=0/u 1+0/u 2+0/u 3+0,5/u 4+1/u 5+0,5/u 6+0/u 7 A 6=0/u 1+0/u 2+0/u 3+0,5/u 4+0,5/u 5+1/u 6+0,5/u 7 A 7=0/u 1+0/u 2+0/u 3+0,5/u 4+0/u 5+0,5/u 6+1/u 7 Fuzzifikasi Karena jumlah intervalnya menajdi sebanyak 7 interval, fuzzifikasi datanya pun berubah. Fuzzifikasinya dapat dilihat dalam Tabel 8. Tabel 8. Fuzzifikasi Tahun Produksi Fuzzifikasi A 2 136
8 A A A A A A 7 Kemudian Fuzzy Logic Relationshipnya (FLR) dijelaskan pada Tabel 9. Tabel 9. Fuzzy Logic Relationship Tahun Fuzzifikasi A 2 A A 2 A A 1 A A 2 A A 3 A A 6 A A 6 A 7 Fuzzy Logic Relationship Group Tabel 10. FLRG dalam Cheng Grup Relasi Logika Fuzzy 1 A 1 A 2 2 A 2 A 1,A 2,A 3, A 4 3 A 3 A 2,A 4,A 5 4 A 4 A 3,A 4 5 A 5 A 5, A 6 6 A 6 A 6, A 7 7 A 7 A 6 Pembobotan Berdasakan Fuzzy Time Series Cheng Pembobotan dilakukan berdasarkan FLR yang mengalami pengulangan seperti yang ditunjukkan pada Tabel 1 kemudian dimasukkan ke dalam matriks dan dinormalisasikan. Matriks pembobotannya adapat dilihat pada Tabel 11. Tabel 11. Pembobotan X X t (t-1) A 1 A 2 A 3 A 4 A 5 A 6 A 7 A A A A A A A Matriks pembobotan ternormalisasinya adalah seperti pada Tabel 12. Tabel 12. Pembobotan Ternormalisasi 137
9 X (t-1) A 1 A 2 A 3 A 4 A 5 A 6 A 7 A A 2 0,2 0,4 0,2 0, A 3 0 0,33 0 0,33 0, A ,67 0, A ,5 0,5 0 A ,33 0,67 X t A Untuk menghasilkan nilai peramalan, matriks bobot ternormalisasi tersebut kemudian dikalikan dengan matriks defuzzifikasi seperti pada persamaan (7) kemudian nilai peramalan yang telah didapat diletakkan berdasarkan himpunan fuzzy pada periode (t+1) sehingga didapatkan hasil defuzzifikasinya pada Tabel 12. Tabel 12. Defuzzifikasi Produksi Defuzi Nilai Peramalan Adaptif Nilai peramalan adaptif didapatkan dari persamaan (8), parameter terbaik dalam peramalan ini didapatkan h=0.9 sehingga hasilnya pada Tabel 13. Tabel 13. Hasil Peramalan Fuzzy Time Series Cheng Produksi Per. Adaptif , , , , , ,6 Akurasi Permalan Akurasi peramalan adaptif yang telah dihitung menghasilkan MAPE sebesar 4,24% Grafik Hasil Peramalan Fuzzy Time Series Cheng Perbandingan hasil peramalan dengan data aktual dapat terlihat pada Grafik
10 Produksi Per. Adaptif Grafik 3. Perbandingan Hasil Peramalan Fuzzy Chen dan Cheng Perbandingan hasil peramalan dengan menggunakan metode fuzzy time series Chen dan Cheng dapat dilihat pada Tabel 13. Tabel 13. Perbandingan Hasil Peramalan Tahun Produksi Chen Cheng , , , , , , , , , , , , , , , , ,6 Kemudian dapat dilihat perbandingan peramalan metode Chen dan metode Cheng melalui Grafik
11 Endang Soeryana Hasbullah Aktuaria Grafik KESIMPULAN Berdasarkan pada hasil analisis dan pembahasan yang telah dilakukan, didapatkan metode dengan akurasi terbaik yaitu metode fuzzy time series Cheng dengan keakuratan peramalannya mencapai 95,76% dan hasil peramalan pada tahun 2017 didapatkan produksi padi sebesar ,6 ton. 5. DAFTAR PUSTAKA [1] Saliem, P Kajian Pola Konsumsi dan Permintaan Pangan di Kawasan Timur Indonesia. [2] Institut Pertanian Bogor. [2] Pandey, P., Kumar, S., & Srivastava, S A Critical Evaluation of Computational Methods of Forecasting Based on Fuzzy Time Series. International Journal of Decision Support System Technology, 5(1), [3] Song, Q. and B.S. Chissom. 1993a. Forecasting enrollments with fuzzy time series-part I. Fuzzy Sets Syst., 54: 1-9. DOI: / (93)90355-l [4] Song, Q. and B.S. Chissom. 1993b. Fuzzy time series and its models. Fuzzy Sets Syst., 54: DOI: / (93)90372-o [5] Fauziah, N., Wahyuningsih, S., Nasution, Y.N Peramalan Menggunakan Fuzzy Time Series Chen (Studi Kasus: Curah Hujan Kota Samarinda). Statistika, Vol. 4, No. 2, November [6] Chen, S.M Forecasting enrollments based on fuzzy time series. Fuzzy Sets Systems, 81: DOI: / (95) [7] Fitra, M., Kariyam Metode Fuzzy Time Series Cheng dan Stevenson & Porter dalam Peramalan Minyak Bumi. Prosiding seminar nasional matematika dan pendidikan matematika. [8] Cheng, C.H., T.L. Chen, H.J. Teoh and C.H. Chiang Fuzzy time-series based on adaptive expectation model for TAIEX forecasting. Expert Syst. Appli., 34: DOI: /j.eswa [9] Fadhillah, A., Bettiza, M., Ritha, N Perbandingan Model Chen dan Cheng pada Algoritma Fuzzy Time Series untuk Prediksi Harga Bahan Pokok. [10] Pramasatya, W., Ratnawati, D.E., Dewi, C Peramalan 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: X. Vol
PERAMALAN 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 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 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 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 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 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 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 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 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 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 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 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 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 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM
BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM 3.1 Pengertian Dasar Peramalan Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi
Lebih terperinciPERBANDINGAN METODE 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 terperinciJARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI
JARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI Winita Sulandari 1, Titin Sri Martini 1, Nughthoh Arfawi Kurdhi 1, Hartatik 2, Yudho Yudhanto 2
Lebih terperinciBAB 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 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 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 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 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 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 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 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 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 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 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 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 terperinciBab II LANDASAN TEORI
Bab II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan
Lebih 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 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 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 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 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 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 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 Suku Bunga Acuan (BI Rate) Menggunakan Metode Fuzzy Time Series dengan Percentage Change Sebagai Universe of Discourse
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 2017, hlm. 1285-1294 http://j-ptiik.ub.ac.id Peramalan Suku Bunga Acuan (BI Rate) Menggunakan Metode
Lebih terperinciJurnal 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 terperinciPERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL RUNTUN WAKTU FUZZY -RANTAI MARKOV
PERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL RUNTUN WAKTU FUZZY -RANTAI MARKOV oleh ERIKHA AJENG CHISWARI NIM. M0111028 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPERBANDINGAN METODE 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 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 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 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 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 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 terperinciMODEL HIBRIDA RUNTUN WAKTU FUZZY TERBOBOT-DERET FOURIER UNTUK PERAMALAN CURAH HUJAN DI DAERAH ALIRAN SUNGAI BENGAWAN SOLO
MODEL HIBRIDA RUNTUN WAKTU FUZZY TERBOBOT-DERET FOURIER UNTUK PERAMALAN CURAH HUJAN DI DAERAH ALIRAN SUNGAI BENGAWAN SOLO oleh INDIAWATI AYIK IMAYA M0111045 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciPERAMALAN 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 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 terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinciBAB 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 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 terperinciPREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES
PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES ABSTRAK Oleh : Wulan Anggraeni
Lebih terperinciFUZZY TIME SERIES MARKOV CHAIN DALAM MERAMALKAN HARGA SAHAM
FUZZY TIME SERIES MARKOV CHAIN DALAM MERAMALKAN HARGA SAHAM Nurmalia Rukhansah 1, Much Aziz Muslim 2, Riza Arifudin 3 1 Jurusan Matematika, FMIPA, Universitas Negeri Semarang 2,3 Jurusan Ilmu Komputer,
Lebih terperinciPERAMALAN 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 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 terperinciModel 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 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 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 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 terperinciPREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES
PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES Oleh : Wulan Anggraeni Pendidikan Matematika, Wulangussetiyo@gmail.com ABSTRAK Tujuan dari penelitian ini adalah
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 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 terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 7, Juli 2018, hlm. 2770-2779 http://j-ptiik.ub.ac.id Optimasi Interval Fuzzy Time Series Menggunakan Particle Swarm
Lebih terperinciLEMBAR PENGESAHAN PERNYATAAN ABSTRAK...
DAFTAR ISI LEMBAR PENGESAHAN PERNYATAAN ABSTRAK... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iv DAFTAR ISI... vi DAFTAR TABEL... viii DAFTAR GAMBAR... ix DAFTAR SIMBOL... x BAB I PENDAHULUAN... 1 1.1
Lebih terperinciAplikasi Metode Fuzzy pada Peramalan Jumlah Wisatawan Australia ke Bali
Aplikasi Metode Fuzzy pada Peramalan Jumlah Wisatawan Australia ke Bali I Putu Eka Nila Kencana 1, IBK. Puja Arimbawa K. 2 1 Laboratorium Fuzzy Jurusan Matematika FMIPA UNUD, i.putu.enk@gmail.com 2 Program
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 terperinciBAB I PENDAHULUAN. berbagai bidang kehidupan, misalnya perekonomian (Siregar, 2005).
BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini, perkembangan teknologi informasi dan komunikasi sudah menjadi tren yang tidak terlepas dari kehidupan sehari-hari termasuk pada berbagai bidang kehidupan,
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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciFUZZY TIME SERIES CHEN ORDE TINGGI UNTUK MERAMALKAN JUMLAH PENUMPANG DAN KENDARAAN KAPAL (Studi Kasus: PT ASDP Indonesia Ferry (Persero) Cabang Merak)
FUZZY TIME SERIES CHEN ORDE TINGGI UNTUK MERAMALKAN JUMLAH PENUMPANG DAN KENDARAAN KAPAL (Studi Kasus: PT ASDP Indonesia Ferry (Persero) Cabang Merak) TUGAS AKHIR =-0 Ella Tasia Febriana 14 611 019 PROGRAM
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 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 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 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 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 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 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 terperinciPeramalan Data IHSG Menggunakan Metode Backpropagation
Peramalan Data IHSG Menggunakan Metode Backpropagation Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Diterima 31 Agustus 2012 Disetujui
Lebih 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 terperinciANALISIS DAN PERAMALAN PRODUKSI TANAMAN TEH DENGAN MENGGUNAKAN METODE INDEKS MUSIM
ANALISIS DAN PERAMALAN PRODUKSI TANAMAN TEH DENGAN MENGGUNAKAN METODE INDEKS MUSIM Alfa Kenedi Mainassy ), Sri Yulianto Joko Prasetyo 2), Alz Danny Wowor 3),2,3) Fakultas Teknologi Informasi Universitas
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
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 terperinciPeramalan Curah Hujan Menggunakan Metode High Order Fuzzy Time Series Multi Factors
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 930-939 http://j-ptiik.ub.ac.id Peramalan Curah Hujan Menggunakan Metode High Order Fuzzy Time
Lebih terperinciPENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
Lebih terperinciPrediksi Jumlah Kunjungan Pasien Rawat Jalan Menggunakan Metode Genetic Fuzzy Systems Studi Kasus: Rumah Sakit Usada Sidoarjo
JURNAL TEKNIK ITS Vol. 1, No. 1(Sept. 2012) ISSN: 2301-9271 A-482 Prediksi Jumlah Kunjungan Pasien Rawat Jalan Menggunakan Metode Genetic Fuzzy Systems Studi Kasus: Rumah Sakit Usada Sidoarjo Lia Farihul
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 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 terperinci