Professional Documents
Culture Documents
SKRIPSI OLEH : M SYAUQI HARIS (0310960048-96) | EDY SANTOSO, SSi.,M.Kom (PEMBIMBING I) | DIAN EKA RATNAWATI, SSi.,M.Kom (PEMBIMBING II)
Sistem peramalan dengan fuzzy time series menangkap pola dari data yang telah lalu kemudian digunakan untuk
memproyeksikan data yang akan datang. Prosesnya juga tidak membutuhkan suatu sistem pembelajaran dari sistem yang rumit
sebagaimana yang ada pada algoritma genetika dan jaringan syaraf sehingga mudah untuk dikembangkan. Dalam perhitungan
peramalan dengan menggunakan fuzzy time series, panjang interval telah ditentukan di awal proses perhitungan. Sedangkan
penentuan panjang interval sangat berpengaruh dalam pembentukan fuzzy relationship yang tentunya akan memberikan dampak
perbedaan hasil perhitungan peramalan. Oleh karena itu, pembentukan fuzzy relationship haruslah tepat dan hal ini mengharuskan
penentuan panjang interval yang sesuai. Salah satu metode untuk penentuan panjang interval yang efektif adalah dengan metode
berbasis rata-rata atau average-based fuzzy time series. Dalam skripsi ini, penulis mengimplementasikan fuzzy time series untuk
meramalkan data penjualan bulanan, adapun data yang digunakan untuk pengujian adalah data yang berasal dari situs web penyedia
data statistik hasil sensus. Dan dari hasil pengujian yang dilakukan, diketahui bahwa Peramalan data menggunakan Fuzzy Time
Series dengan penentuan interval berbasis rata-rata memiliki tingkat akurasi lebih tinggi dibandingkan dengan Fuzzy Time Series
Standar, dengan selisih rata-rata 52,39 % lebih akurat jika error dihitung menggunakan AFER dan selisih rata-rata 70,90 % lebih
akurat jika error dihitung menggunakan MSE.
Kata Kunci : fuzzy time series, interval berbasis rata-rata, peramalan data penjualan
Fuzzy Time Series Dari definisi di atas, dapat dilihat bahwa F(t)
bisa dianggap sebagai variabel linguistik dan
Langkah Pertama : Bagi himpunan semesta
U = [Dmin, Dmax] menjadi sejumlah ganjil
Jika U adalah himpunan semesta, U = {u1, fi(t)(i=1,2,…) bisa dianggap sebagai interval yang sama u1, u2, …, um,.
uz, ... , un}, maka suatu himpunan fuzzy A kemungkinan nilai linguistik dari F(t), Langkah Kedua : Jadikan A1, A2, … , Ak
dari U dedefinisikan sebagai A = fA(u1)/u1 + dimana fi(t)(i=1,2,…) direpresentasikan menjadi suatu himpunan-himpunan fuzzy
fA(u2)/u2 + … + fA(un)/un dimana fA adalah oleh suatu himpunan fuzzy. Bisa dilihat juga yang variabel linguistiknya ditentukan
fungsi keanggotaan dari A, fA : U [0,1] bahwa F(t) adalah suatu fungsi waktu dari t sesuai dengan keadaan semesta kemudian
and 1 ≤ i ≤ n. misalnya, nilai-nilai dari F(t) bisa berbeda bentuk Fuzzy Logical Relationship (FLR)
Sedangkan definisi dari fuzzy time series pada waktu yang yang berbeda bergantung ditentukan berdasarkan data histori yang ada
adalah misalkan Y (t) (t= …,0,1,2, …), pada kenyataan bahwa himpunan semesta Langkah Ketiga : Bagi fuzzy logical
adalah himpunan bagian dari R, yang bisa berbeda pada waktu yang berbeda. Dan relationship yang telah diperoleh menjadi
menjadi himpunan semesta dimana jika F(t) hanya disebabkan oleh F(t-1) maka beberapa bagian berdasarkan sisi kiri
himpunan fuzzy fi(t) (i=1,2, …) telah hubungan ini digambarkan sebagai F(t-1) (current state) menjadi fuzzy logical
didefinisikan sebelumnya dan jadikan F(t) F(t). relationship group.
menjadi kumpulan dari fi(t)(i=1,2,…). Maka, Adapun langkah-langkah peramalan dengan Langkah Keempat : Hitung hasil keluaran
F(t) dinyatakan sebagai fuzzy time series fuzzy time series adalah : peramalan dengan menggunakan prinsip
terhadap Y(t)(t=…,0,1,2,…). fuzzy time series forecasting.
Langkah Keempat : Panjang interval kemudian dibulatkan sesuai dengan tabel basis
interval.