Maharni, Ellina (2019) Pemilihan Fuzzy Time Series Markov Chain Berbasis Rata-Rata Dan Fuzzy Time Series Markov Chain Dengan Fungsi Keanggotaan Gauss Pada Data Tingkat Inflasi Indonesia. Sarjana thesis, Universitas Brawijaya.
Abstract
Salah satu tujuan dari analisis deret waktu adalah untuk memprediksi nilai di masa depan. Metode analisis deret waktu tidak dapat digunakan ketika data berupa suatu nilai linguistik dan terkadang diperlukan jumlah amatan yang besar agar dapat diketahui pola data. Fuzzy time series dapat mereduksi subjektivitas pendekteksian model, plot ACF dan PACF, yang terjadi pada metode deret waktu. Fuzzy Time Series Markov Chain merupakan salah satu metode yang dapat digunakan dimana metode ini dapat mengatasi permasalahan ketika data berupa nilai linguistik dan menghasilkan hasil yang baik ketika jumlah amatan kecil. Dalam beberapa penelitian menggunakan fuzzy time series, tidak dijelaskan fungsi keanggotaan yang digunakan dan lebih sering menjelaskan penggunaan metode jumlah interval sebagai penentu fuzzy sets. Tujuan dari penelitian ini adalah mengetahui metode yang lebih baik antara fuzzy time series Markov chain berbasis rata-rata dan fuzzy time series Markov chain dengan fungsi keanggotaan Gauss dengan menghitung nilai keakuratan peramalan. Data yang digunakan dalam penelitian ini adalah tingkat inflasi Indonesia periode Oktober 2016 – Juni 2019. MAPE, RMSE, dan metode fuzzy time series Markov chain berbasis rata-rata berturut-turut adalah 3,35% , 0,152, dan 0,843. MAPE, RMSE, dan metode fuzzy time series Markov chain dengan fungsi kenggotaan Gauss berturut-turut adalah 3,016%, 0,155, dan 0,838. Metode fuzzy time series Markov chain berbasis rata-rata merupakan metode yang lebih baik berdasarkan pada nilai MAPE, RMSE, dan .
English Abstract
One of the goals of time series analysis is to predict future values. Time series analysis methods cannot be used when data is linguistic value and some time needed a large sample size so the pattern of data can be discovered. Fuzzy time series can reduce the subjectivity of model identification, ACF and PACF plot, which happens in time series methods. Fuzzy Time Series Markov Chain is one method that can be used which this method can solve a problem when data is linguistic value and have a good result when data have a small sample size. In some studies with fuzzy time series, the membership function that used is not explained and more often explains the usage of the sum of interval method in the build of fuzzy sets. The purpose of this study is to know the best method between the fuzzy time series Markov chain average based and the fuzzy time series Markov chain with Gauss membership function with calculating the value of forecasting accuracy. The data used in this study is the inflation rate of Indonesia period October 2016 – June 2019. MAPE, RMSE, and of fuzzy time series Markov chain average based method is 3,35%, 0,152, and 0,843. MAPE, RMSE, and of fuzzy time series Markov chain with Gauss membership function method is 3,016%, 0,155, and 0,838. Fuzzy time series Markov chain average based method is the best method based on MAPE, RMSE, and .
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2019/13/051910716 |
| Uncontrolled Keywords: | Fuzzy Time Series Markov Chain, Basis Rata-rata, Fungsi Keanggotaan Gauss. Fuzzy Time Series Markov Chain, Average Based, Gauss Membership Function. |
| Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics > 519.55 Time-series analysis |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 24 Aug 2020 07:33 |
| Last Modified: | 28 Mar 2022 03:08 |
| URI: | http://repository.ub.ac.id/id/eprint/176657 |
Preview |
Text
Ellina Maharni.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |