Desiyanti, Fani Aulia (2018) Peramalan Menggunakan Fuzzy Takagi Sugeno Berbasis Fuzzy Subtractive Clustering Dan Input Seasonal ARIMA (Studi Kasus Pengadaan Beras Perum BULOG Pusat, Jakarta Selatan). Sarjana thesis, Universitas Brawijaya.
Abstract
Pengadaan beras merupakan jaminan pasar dari surplus panen petani setiap tahun karena rata-rata pengadaan beras mengalir langsung ke petani dan penduduk desa. Data pengadaan beras berupa data deret waktu yang dianalisis untuk mendapatkan nilai prediksi pada periode yang akan datang. Salah satu metode yang digunakan untuk peramalan adalah dengan logika fuzzy. Konsep logika fuzzy adalah memetakan pasangan input dan output dengan berdasarkan kaidah IF-THEN dengan sistem inferensi yang dikenal dengan Fuzzy Inference System (FIS). Bagian terpenting pada FIS adalah basis kaidah. Pada umumnya, basis kaidah didapatkan dari pengetahuan pakar. Namun, karena keterbatasan pakar, tidak selalu pengetahuan pakar dijadikan dasar dalam pembentukan basis kaidah. Oleh karena itu, diterapkan metode untuk membangkitkan basis kaidah dan fungsi keanggotaan yaitu metode fuzzy subtractive clustering. Data deret waktu merupakan data yang dipengaruhi oleh perbedaan lag antar periode, sehingga untuk mendapatkan variabel input dan output pada FIS dilakukan identifikasi berdasarkan model seasonal ARIMA. Berdasarakan terbentuknya empat basis kaidah dari Fuzzy Subtractive Clustering, dilakukan inferensi untuk mendapatkan hasil prediksi dengan FIS Takagi Sugeno orde satu. Nilai prediksi yang dihasilkan memiliki nilai
English Abstract
Rice procurement is a market guarantee of the farmers’ surplus in every year. The average of rice procurement is directly delivered to farmers and villagers. Data of rice procurement are time series data which are analyzed to get prediction value for the next periods. One of the methods used to forecast is fuzzy logic. The concept of fuzzy logic is to map the pairs of input and output variables by IF-THEN rules in inference system that also known as Fuzzy Inference System (FIS). The most important part of FIS is the rule bases. Generally, the rule base is derived from experts’ knowledge. However, due to the experts’ limitation, not all the rule bases are derived by the experts’ knowledge. Therefore, a method is applied to generate the rule bases and membership functions that is called fuzzy subtractive clustering. Time series are data which are influenced by lag differences between periods, so identifying seasonal ARIMA model is done to obtain input and output variables for FIS. Based on fuzzy subtractive clustering’s result, there are four rules bases are formed. Then, based on the four rules formed, the first order FIS Takagi Sugeno is done to obtain prediction results. The result of prediction values have
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2018/191/051805763 |
| Uncontrolled Keywords: | Fuzzy Inference System, Fuzzy Subtractive Clustering, Seasonal ARIMA Fuzzy Inference System, Fuzzy Subtractive Clustering, Seasonal ARIMA |
| Subjects: | 600 Technology (Applied sciences) > 658 General management > 658.4 Executive management > 658.403 Decision making and information management > 658.403 3 Mathematical techniques of decision making |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 10 Jun 2020 11:10 |
| Last Modified: | 18 Oct 2021 03:05 |
| URI: | http://repository.ub.ac.id/id/eprint/168633 |
Preview |
Text
Fani Aulia Desiyanti (2).pdf - Published Version Download (1MB) | Preview |
Actions (login required)
 |
View Item |