Professional Documents
Culture Documents
Skripsi
Oleh :
100155201076
FAKULTAS TEKNIK
TANJUNGPINANG
2017
1
PERNYATAAN ORISINALITAS
NIM : 100155201076
Dengan ini saya menyatakan bahwa skripsi saya yang berjudul Prediksi Jumlah
Penduduk Menggunakan Fuzzy Time Series Model Chen (Studi Kasus: Kota
Tanjungpinang) adalah benar karya saya dengan arahan dari komisi pembimbing
dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun.
Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun
tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan
Jika kemudian hari ternyata terbukti pernyataan saya ini tidak benar dan
melanggar peraturan yang sah dalam karya tulis dan hak intelektual maka saya
bersedia ijazah yang telah saya terima untuk ditarik kembali oleh Universitas
Tanjungpinang, .
Yang menyatakan
1
2
HALAMAN PERSEMBAHAN
2
3
MOTTO
3
4
KATA PENGANTAR
Segala puji bagi Allah SWT. Tuhan semesta alam dzat yang maha tinggi
yang memberikan nikmat-Nya kepada setiap makhluk. Dan juga Shalawat serta
salam dihanturkan kepada nabi akhir zaman, yang menjadi suri tauladan yang baik
Tiada daya dan upaya kecuali dengan pertolongan Allah SWT., sehingga
tugas akhir ini merupakan salah satu syarat kelulusan untuk memperoleh gelar
Sarjana teknik pada jurusan teknik informatika di Universitas Maritim Raja Ali
Haji.
1. ??
Penulis menyadari bahwa dalam proses penulisan tugas akhir ini banyak
pihak dan nikmat dari Allah SWT sehingga kendala-kendala tersebut dapat diatasi
dengan baik. Penulisan tugas akhir ini masih jauh dari kesempurnaan. Untuk itu
pendidikan.
Tanjunginang,
4
5
Penulis
5
6
DAFTAR ISI
6
7
DAFTAR GAMBAR
7
8
DAFTAR TABEL
8
9
9
10
ABSTRAK
Putra, Novi Ade. 2017. Prediksi Jumlah Penduduk Menggunakan Fuzzy Time
Series Model Chen (Studi Kasus: Kota Tanjungpinang) , Skripsi.
Tanjungpinang: Jurusan Teknik Informatika, Fakultas Teknik, Universitas
Maritim Raja Ali Haji. Pembimbing I: Hendra Kurniawan, S. Kom,
M.sc.Eng Pembimbing II:
10
11
ABSTRACT
Putra, Novi Ade. 2017. Prediksi Jumlah Penduduk Menggunakan Fuzzy Time
Series Model Chen (Studi Kasus: Kota Tanjungpinang) , Skripsi.
Tanjungpinang: Jurusan Teknik Informatika, Fakultas Teknik, Universitas
Maritim Raja Ali Haji. Pembimbing I: Hendra Kurniawan, S. Kom,
M.sc.Eng Pembimbing II:
11
12
BAB I
PENDAHULUAN
A. Latar Belakang
informasi yang sangat penting bagi para pemakai data kependudukan, khususnya
peranan yang sangat penting pada daerah itu sendiri. Seperti yang kita tahu bahwa
Tidak hanya pada rencana pembangunan saja yang membutuhkan data jumlah
sebagainya. Hal itu tentu saja merupakan masalah yang rumit bagi pemerintah
Semakin bertambah jumlah penduduk dalam suatu daerah semakin tinggi pula
Pada tahun 2015 tercatat 404.430 jiwa penduduk yang berdomisili di kota
Tanjungpinang. Jumlah tersebut merupakan jumlah total dari semua usia dan jenis
kelamin. Data-data jumlah penduduk saat ini hanya didapat melalui sensus
12
13
penduduk. Proses sensus penduduk hanya bisa mendata pada tahun tertentu saja,
pentingnya informasi akan jumlah penduduk menjadikan dasar dari penulis untuk
Tanjungpinang.
dilakukan oleh Handayani dan Anggraini (2015) dalam jurnalnya yang berjudul
Perbandingan Model Chen Dan Model Lee Pada Metode Fuzzy Time Series
harga emas. Penelitian dilakukan menggunakan data dari Januari 2007 hingga 29
mei 2012, dan diperoleh hasil menggunakan fuzzy time series dengan penentuan
interval berbasis rata-rata memiliki error dengan model Chen AFER (Average
Forecasting Error Rate) sebesar 0,010% dan MSE (Mean Square Error) 218,577,
hujan bulan Januari 2011-Mei 2016 di kota Samarinda menggunakan Fuzzy Time
menentukan interval dan RMSE (Root Mean Square Error) untuk mengukur
tingkat akurasi diperoleh hasil peramalan untuk bulan Juni 2016 adalah 268 mm
berdasarkan data bulan Januari 2013-Mei 2016 diperoleh hasil peramalan untuk
13
14
bulan Juni 2016 adalah 287,5 mm dengan ketepatan peramalan sebesar 73.68 %.
Untuk peramalan curah hujan Kota Samarinda berdasarkan data bulan Januari
Chen memiliki akurasi yang lebih baik disbanding FTS Model lain. Penelitian
dengan judul Prediksi Jumlah Penduduk Menggunakan Fuzzy Time Series Model
yang dapat dimanfaatkan oleh pihak yang membutuhkan yaitu para pemakai data
B. Rumusan Masalah
Rumusan masalah yang dapat ditarik dari uraian latar belakang yang telah
dipaparkan sebelumnya adalah untuk mengetahui bahwa Fuzzy Time Series Model
C. Batasan Masalah
14
15
3. Data yang digunakan adalah data berbentuk time series / deret waktu.
D. Tujuan Penelitian
Menggunakan Fuzzy Time Series Model Chen, Studi Kasus: Tanjungpinang yang
penulis lakukan adalah untuk memahami cara kerja algoritma Fuzzy Time Series
E. Manfaat Penelitian
Penerapan Fuzzy Time Series Model Chen kedalam sebuah sistem untuk
memberikan hasil peramalan atau prediksi dengan tingkat error yang kecil
15
16
(mendekati nol). Sehingga hasil dari penelitian ini dapat digunakan oleh para
16
17
BAB II
TINJAUAN PUSTAKA
A. Kajian Terdahulu
kajian yang dijadikan acuan bagi penulis untuk melakukan penelitian kali ini.
Berikut ini merupakan daftar dari kajian atau penelitian terdahulu yang digunakan
penulis:
(MAPE) didapatkan performansi terbaik adalah metode fuzzy time series dengan
MAPE peramalan jangka panjang sebesar 0,4755 dan untuk peramalan jangka
Perbandingan Model Chen Dan Model Lee Pada Metode Fuzzy Time Series
17
18
harga emas. Penelitian dilakukan menggunakan data dari Januari 2007 hingga 29
mei 2012, dan diperoleh hasil menggunakan fuzzy time series dengan penentuan
interval berbasis rata-rata memiliki error dengan model Chen AFER (Average
Forecasting Error Rate) sebesar 0,010% dan MSE (Mean Square Error) 218,577,
metode runtun waktu fuzzy-chen dan fuzzy-markov chain untuk meramalkan data
inflasi di indonesia. Dari penelitian yang telah dilakukan didapat hasil berupa
performansi dari kedua algoritma tersebut, nilai MSE (Mean Square Error) pada
metode runtun waktu fuzzy-Chen adalah sebesar 0,656, sedangkan nilai MSE
hujan bulan Januari 2011-Mei 2016 di kota Samarinda menggunakan Fuzzy Time
menentukan interval dan RMSE (Root Mean Square Error) untuk mengukur
tingkat akurasi diperoleh hasil peramalan untuk bulan Juni 2016 adalah 268 mm
berdasarkan data bulan Januari 2013-Mei 2016 diperoleh hasil peramalan untuk
bulan Juni 2016 adalah 287,5 mm dengan ketepatan peramalan sebesar 73.68 %.
Untuk peramalan curah hujan Kota Samarinda berdasarkan data bulan Januari
18
19
2014-Mei 2016 diperoleh hasil peramalan untuk bulan Juni 2016 adalah adalah
Fuzzy Time Series Chen dan Hsu melakukan penelitian untuk memprediksi
fuzzy time series yang diusulkan oleh Chen (CFTS) dan metode fuzzy time series
tersebut dengan cara melihat tingkat kesalahan hasil prediksi menggunakan Mean
Fuzzy Time Series-Song & Chissom dan Fuzzy Time Series Chen. Dengan
error AFE (Average Forecasting Error) sebesar 3.18% untuk FTS-Song and
19
20
B. Landasan Teori
1. Peramalan
terjadi pada masa depan secara sistematis dan pragmatis atas dasar data yang
relevan pada masa yang lalu, sehingga dengan demikian metode peramalan
diharapkan dapat memberikan objektivitas yang lebih besar. Selain itu metode
peramalan dapat memberikan cara pengerjaan yang teratur dan terarah, dengan
adalah peramalan yang didasarkan atas pendapat suatu pihak dan datanya tidak
dapat direpresentasikan secara tegas menjadi suatu angka atau nilai. Hasil
peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini
kuantitaf adalah peramalan yang didasarkan atas data kuantitatif masa lalu dan
20
21
dapat dibuat dalam bentuk angka yang biasa disebut sebagai data time series.
Hasil peramalan yang dibuat sangat bergantung pada metode yang dipergunakan
oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang
terjadi. Jika penyimpangan semakin kecil antara hasil ramalan dengan kenyataan
Data berkala adalah data yang dikumpulkan dari waktu ke waktu untuk
Pola gerakan data atau nilai-nilai variabel dapat diikuti atau diketahui
dengan adanya data berkala, sehingga data berkala dapat dijadikan sebagai dasar
untuk :
datang.
gerakan-gerakan khas atau pola data dari data time series dapat digolongkan ke
series :
21
22
1. Gerakan jangka panjang atau sekuler merujuk kepada arah umum dari
dalam jangka panjang dari suatu garis atau kurva trend. Siklis yang
demikian dapat terjadi secara periodik ataupun tidak, dapat ataupun tidak
dapat mengikuti pola yang tepat sama setelah interval-interval waktu yang
dianggap siklis apabila timbul kembali setelah interval waktu lebih dari
satu tahun.
yang identik, atau hampir identik yang cenderung diikuti suatu time series
baru.
22
23
3. Logika Fuzzy
fuzzy pertama kali diperkenalkan oleh Prof. Lofti A. Zadeh pada tahun 1965.
Metode Fuzzy Time Series Ruey Chyn Tsaur, disebutkan beberapa definisi
keabuan antara hitam dan putih, dalam bentuk linguistik, konsep tidak
2. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang
input ke dalam suatu ruang output, mempunyai nilai kontiniu dan logika
fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari
keambiguan, dimana logika fuzzy adalah cabang teori dari himpunan fuzzy,
23
24
Pada himpunan tegas atau crisp, nilai keanggotaan suatu item x dalam
1. Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu
himpunan, atau
2. Nol (0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu
himpunan.
1. Linguistik yaitu penamaan suatu grup yang mewakili suatu keadaan atau
2. Numeris yaitu suatu nilai atau angka yang menunjukkan ukuran dari suatu
24
25
sebagainya.
3. Himpunan fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau
terbagi menjadi 3 himpunan fuzzy yaitu Muda, Parobaya dan Tua. Variabel
himpunan bilangan real yang senantiasa naik secara monoton dari kiri ke
negatif.
bilangan real yang senantiasa naik secara monoton dari kiri ke kanan. Nilai
kemudian dikembangkan oleh Song dan Chissom pada tahun 1993 untuk
25
26
data time series. Kemudia model dari Song dan Chissom dikembangkan lagi oleh
dengan kasus yang sama. Peramalan dengan menggunakan metode fuzzy time
series menangkap pola dari data yang telah lalu kemudian digunakan untuk
Menurut Fauziah (2016) fuzzy time series adalah sebuah konsep baru yang
diusulkan oleh Song dan Chissom berdasarkan teori himpunan fuzzy (fuzzy set)
dan konsep variabel linguistik. Fuzzy time series merupakan konsep yang dapat
dalam nilainilai linguistik, dengan kata lain datadata terdahulu dalam fuzzy time
series adalah data linguistik, sedangkan data terkini sebagai hasilnya berupa
angka-angka riil.
Secara kasar himpunan fuzzy dapat diartikan sebagai suatu kelas bilangan
A i= Ai ( u1 ) /u1 ++ Ai ( u p ) /u p ..................................................................(p1)
26
27
1. Langkah Pertama
yaitu:
Dimana:
27
28
2. Langkah Kedua
historis yang diamati. Misal A1, A2, , Ak adalah himpunan fuzzy yang
Dimana ui (i=1, 2, .., p) adalah elemen dari himpunan semesta (U) dan
3. Langkah Ketiga
4. Langkah Keempat
28
29
5. Langkah Kelima
Defuzzifikasi nilai peramalan data historis. Pada metode fuzzy time series
Chen terdapat beberapa aturan peramalan yang harus diperhatikan, antara lain:
Aturan 1
fuzzy yang tidak mempunyai relasi logika fuzzy, misal jika A i A j , di mana
nilai maksimum fungsi keanggotannya dari A i berada pada interval ui dan nilai
Aturan 2
himpunan fuzzy dan nilai maksimum fungsi keanggotaan dari A j berada pada
Ft +1 adalah m j .
Aturan 3
29
30
m j 1 +m j 2 + +m jk
Ft +1= ...............................................................................(p4)
k
Dimana k adalah banyaknya jumlah nilai tengah (midpoint) dan untuk mencari
berikut:
haruslah tepat dan hal ini mengharuskan penentuan panjang interval yang sesuai.
Kunci utama dalam penentuan panjang interval adalah tidak boleh terlalu besar
dan tidak boleh terlalu kecil, karena jika interval itu terlalu besar maka tidak akan
terjadi fluktuasi dalam proses perhitungan fuzzy time series, demikian juga jika
interval tersebut terlalu kecil maka makna dari fuzzy time series sendiri akan
30
31
Aturan Sturges merupakan salah satu metode yang efektif untuk membagi
persamaan yang digunakan dalam aturan Sturges untuk menentukan panjang dan
4. Pengukuran Kesalahan
tersebut. Sehingga hasil dari peramalan tersebut tidak mungkin seratus persen
akurat. Oleh karena itu hasil dari peramalan perlu dicari tingkat keakuratannya
untuk mengetahui besarnya penyimpangan hasil dan data asli. Dalam penelitian
| Ai Fi|/ A i
AFER= 100 ..........................................................................(p8)
n
Dimana adalah nilai aktual pada data ke-i dan adalah nilai hasil peramalan
31
32
BAB III
METODOLOGI PENELITIAN
Data yang digunakan dalam penelitian ini adalah data historis jumlah
penduduk tahun 2008-2016. Dimana data ini diperoleh dari Badan Pusat Statistik
Metode yang digunakan untuk pengumpulan data pada penelitian ini berupa
studi pustaka. Dengan memanfaatkan buku, jurnal, tesis, maupun skripsi untuk
32
33
Analisa
kebutuhan
Desain sistem
Implementasi
desain dan analisa
Integrasi dan
sistem testing
Operasi dan
maintenance
1. Analisa kebutuhan
2. Desain sistem
33
34
dalam bahasa yang bisa dikenali oleh komputer. Dalam penelitian ini, peneliti
Pada tahapan ini, sistem yang sudah siap akan mengalami pengujian,
1. Perangkat keras
2 Memory : 2.00 GB
34
35
2. Perangkat lunak
2. Xampp v3.2.1
Mulai
Identifikasi Masalah
Pengumpulan Data
Pemilihan Data
Perhitungan Data
Selesai
35
36
BAB IV
A. Perancangan Sistem
menggunakan Fuzzy Time Series model Chen. Pada tahap ini dilakukan analisa
data masukan kedalam metode fuzzy time series, perancangan basis data dan
antarmuka sistem.
Data jumlah penduduk yang diperoleh dari Badan Pusat Statistik (BPS)
interval menggunakan aturan sturges. Berikut ini merupakan gambaran umum dari
36
37
2. Input, data masukan atau input yang digunakan merupakan data jumlah
2. Proses Prediksi, merupakan bagian utama dari sistem ini, pada bagian ini
data masukan akan di proses menggunakan metode fuzzy time series model
37
38
dengan 2016, yang diperoleh dari Badan Pusat Statistik (BPS) Tanjungpinang.
Berikut ini merupakan data yang akan digunakan sebagai data masukan dalam
sistem.
2008 182.741
2009 187.529
2010 188.309
2011 191.287
2012 194.099
2013 196.980
2014 199.723
2015 202.215
2016 204.735
menggunakan fuzzy time series adalah menentukan jumlah interval, seperti yang
telah dibahas sebelumnya bahwa dalam menentukan hasil dari peramalan. Hal ini
penentuan panjang interval adalah tidak boleh terlalu besar dan tidak boleh terlalu
38
39
kecil, karena jika interval itu terlalu besar maka tidak akan terjadi fluktuasi dalam
proses perhitungan fuzzy time series, demikian juga jika interval tersebut terlalu
kecil maka makna dari fuzzy time series sendiri akan hilang (karena himpunan
manual dari prediksi jumlah penduduk menggunakan fuzzy time series model
Chen:
Dari data masukan yang telah dijabarkan pada tabel 4.1 diketahui
maksimum dari jumlah penduduk adalah 204.735 dan minimum dari jumlah
pembicaran:
U= [ 204.735, 182.741 ]
adalah 4.149, karna jumlah interval harus dalam bentuk bilangan bulat, sehingga
39
40
Setelah jumlah interval didapat, maka akan dicari lebar interval untuk
Lebar Interval=(204,735182,741)/4=5498.5
membagi data berdasarkan jumlah dan lebar interval. Diketahui jumlah interval
U 1=[182741, 188240]
U 2=[188240, 193738]
U 3=[193738, 199237]
U 4=[199237, 204735]
sebelumnya yang dapat dilihat pada rumus 2.3. Untuk menyederhanakan, maka
n, n adalah jumlah interval yang telah dibagi sebelumnya, berikut adalah bentuk
matriks dari pembentukan himpunan fuzzy, yang dapat dilihat pada Tabel 4.2.
40
41
Aij 1 2 3 4
1 1 0.5 0 0
2 0.5 1 0.5 0
3 0 0.5 1 0.5
4 0 0 0.5 1
berikut:
telah ditentukan pada langkah sebelumnya, dimana Ai adalah tahun n dan Aj tahun
n+1 pada data time series yang dapat dilihat pada Tabel 4.3.
182741 A1 -
A 1 A 1
187529 A1
A 1 A 2
188309 A2
41
42
A 2 A 2
191287 A2
A 2 A 3
194099 A3
A 3 A 3
196980 A3
A 3 A 4
199723 A4
A 4 A4
202215 A4
A 4 A4
204735 A4
Dari hasil fuzzy logic relationship selanjutnya akan dibentuk fuzzy logical
relationship group menggunakan model Chen. Tabel 4.4 merupakan hasil fuzzy
logical relationship group berdasarkan hasil dari fuzzy logic relationship pada
tabel 4.3.
42