METODE FUZZY TIME SERIES UNTUK PERAMALAN DATA RUNTUN WAKTU (studi kasus: Produk Domestik Bruto Indonesia)

Marinus ignasius Jawawuan Lamabelawa,S.Kom, Prof. Drs. Subanar, Ph.D.

2011 | Tesis | S2 Ilmu Komputer

Fuzzy time series merupakan proses dinamik dari suatu variabel linguistik yang nilai linguistiknya adalah himpunan fuzzy. Keunggulan pemodelan fuzzy time series adalah mampu memformulasikan suatu permasalahan berdasarkan pengetahuan pakar atau data-data empiris. Pada penelitian ini, telah dilakukan analisis empiris dengan metode peramalan fuzzy time series klasik order 1 dan memodifikasi metode fuzzy time series berdasarkan partisi ulang himpunan semesta, penentuan nilai defuzzifikasi dan penggunaan persentasi perubahan data historis sebagai penyusun himpunan universal. Analisis data empiris yang digunakan adalah data runtun waktu Produk Domestik Bruto Indonesia. Metode fuzzy time series Chen-Hsu memodifikasi metode fuzzy time series klasik dengan partisi ulang himpunan universal menunjukkan peningkatan kehandalan dan akurasi peramalan dibandingkan metode klasik. Pendekatan Jilani-Burney berdasarkan jumlah frekuensi yang tersebar pada setiap partisi data historis. Modifikasi Jilani-Burney terhadap metode Chen-Hsu adalah menentukan grup relasi logika fuzzy untuk perhitungan defuzzifikasi. Pendekatan ini menghasilkan peningkatan performansi peramalan. Pendekatan Stevenson-Porter memodifikasi metode Jilani-Burney dengan menggunakan persentasi perubahan data dari tahun ke tahun sebagai himpunan universal. Selanjutnya modifikasi metode Stevenson-Porter berdasarkan jumlah data terbesar pada partisi himpunan universal menunjukkan peningkatan kehandalan peramalan dengan MSE mencapai 99,95% dan peningkatan akurasi peramalan dengan MAPE mencapai 99,14% dari metode-metode sebelumnya.

Fuzzy time series is a the dynamical process of a linguistic variable which fuzzy set is as linguistic value.The specialty of fuzzy time series modeling is able to formulate a problem based on expert knowledge or empirical data. In this research, empirical analysis have developed with fuzzy time series classical methods first-order and modify the fuzzy time series based on the repartition the universe of discourse, the determination of the value defuzzify and use the year to year percentage change as the universe of discourse. Analysis of empirical data used are time series data of the Indonesia’s Gross Domestic Product. Fuzzy time series forecasting using Chen-Hsu method modifying the classical method of fuzzy time series with repartitioning the universe of discourse and shows increased reliability and accuracy of forecasting compared with the classical method. Jilani-Burney approach based on frequency density based partitioning of the historical data. Modify made by Jilani-Burney of Chen-Hsu method is to specify a Fuzzy Logical Relationship Group (FLRG). This approach results improved perfomance. Stevenson-Porter's approach modifies the method Jilani-Burney using the year to year percentage of data changes as universe of discourse. Stevenson-Porter modification method based on the largest number of data on that partition the universe of discourse show increased reliability forecasting by MSE reached 99,95% and increase forecasting accuracy with MAPE reached 99,14% from previous methods.

Kata Kunci : peramalan, fuzzy time series, pendekatan baru fuzzy time series, PDB Indonesia