scholarly journals Fuzzy Time Series for Forecasting Railway Passengers in Indonesia

2021 ◽  
Vol 2111 (1) ◽  
pp. 012013
Author(s):  
Muhammad Fatih Rizqon ◽  
Handaru Jati
Keyword(s):  
Time Series ◽  
Mean Absolute Error ◽  
Absolute Error ◽  
Fuzzy Time Series ◽  
Percentage Error ◽  
Time Series Models ◽  
Suitable Model ◽  
Arithmetic Operations ◽  
Advantages And Disadvantages ◽  
Absolute Percentage Error

Abstract Some fuzzy time series models have their own advantages and disadvantages. In addition, these models sometimes are complex and claimed to have better forecasting result than each other. The suitable model for forecasting depends on a wide variety of considerations. The models proposed by Chen (1996) applied simplified arithmetic operations and claimed more efficiency than before. The model proposed by Chen was introduced in 1996 and still exists in several previous studies. This research aims to forecast the number of railway passengers in Indonesia using the fuzzy time series. In addition, this research also evaluates the forecasting results based on mean absolute error (MAE) and mean absolute percentage error (MAPE). The results showed the forecasting results in this research has accuracy for 86.6%.

scholarly journals Penerapan Algoritma Fuzzy Time Series Average-Based untuk Memprediksi Penjualan Kelapa

2020 ◽  
Vol 1 (2) ◽  
pp. 130-135
Author(s):  
Retno Tri Vulandari ◽  
Sri Siswanti ◽  
Dwi Tri Laksono
Keyword(s):  
Time Series ◽  
Mean Absolute Error ◽  
Absolute Error ◽  
Black Box ◽  
Fuzzy Time Series ◽  
Black Box Testing

UD Bambang Kelapa adalah salah satu bisnis di Solo yang bergerak dalam penyediaan kelapa parutuntuk rumah makan dan beberapa industri kuliner yang ada di wilayah Solo. Pada operasinya UD Bambangmembawa kelapa dari luar setiap bulan untuk memenuhi kebutuhan semua pelanggannya. UD Bambangsering mengalami kesulitan dalam menentukan jumlah kelapa yang dibutuhkan setiap bulan, oleh karenaitu UDBambang membutuhkan sistem yang dapat digunakan untuk memprediksi permintaan kelapa dalambeberapa bulan terakhir. Berbasis fuzzy time series average adalah metode prediksi yang menggunakanprinsip fuzzy dan memiliki akurasi yang cukup baik untuk peramalan jangka pendek, sehingga metode inisesuai untuk meramalkan kebutuhan penjualan kelapa. Data yang digunakan dalam penelitian ini adalahdata kebutuhan penjualan kelapa dalam setahun terakhir, 2015 - 2016 dalam hal ini diperoleh dari UDBambang Kelapa. Hasil yang diperoleh dalam penelitian ini adalah akurasi algotima berbasis fuzzy timeseries rata-rata untuk prediksi kebutuhan penjualan kelapa dengan pengujian data pada tahun 2016 sebanyak12 data yang diuji dengan mean absolute error (MAPE) adalah 7,82% dan termasuk dalam kategori baikkriteria. Sedangkan hasil pengujian fungsional menggunakan metode Black Box Testing, diperoleh bahwasemua komponen sistem telah diuji dan sesuai dengan yang diharapkan

FRACTIONAL RESIDUAL PLOT FOR MODEL VALIDATION

2016 ◽  
Vol 79 (1) ◽  
Author(s):  
Nur Arina Bazilah Kamisan ◽  
Muhammad Hisyam Lee ◽  
Suhartono Suhartono ◽  
Abdul Ghapor Hussin ◽  
Yong Zulina Zubairi
Keyword(s):  
Model Validation ◽  
Goodness Of Fit ◽  
Mean Absolute Error ◽  
Pairwise Comparison ◽  
Absolute Error ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Residual Plot

A pairwise comparison is important to measure the goodness-of-fit of models. Error measurements are used for this purpose but it only limit to the value, thus a graph is used to help show the precision of the models. These two should show a tally result in order to defense the hypothesis correctly. In this study, a fractional residual plot is proposed to help showing the precision of forecasts. This plot improvises the scale of the graph by changing the scale into decimal ranging from -1 to 1. The closer the point to 0 will indicate that forecast is robust and value closer to -1 or 1 will indicate that the forecast is poor. Two error measurements which are mean absolute error (MAE) and mean absolute percentage error (MAPE) and residual plot are used to justify the results and make comparison with the proposed fractional residual plot. Three difference data are used for this purpose and the results have shown that the fractional residual plot could give as much information as the residual plot but in an easier and meaningful way. In conclusion, the error plot is important in visualize the accurateness of the forecast.  

scholarly journals PERBANDINGAN METODE FUZZY TIME SERIES DAN HOLT DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR

2013 ◽  
Vol 12 (2) ◽  
pp. 25
Author(s):  
S. STEVEN ◽  
S. NURDIATI ◽  
F. BUKHARI
Keyword(s):  
Time Series ◽  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Fuzzy Time Series ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Double Exponential ◽  
Double Exponential Smoothing

Peramalan merupakan kegiatan memprediksi nilai suatu variabel di masa yang akan datang. Tujuan penelitian ini adalah memprediksi jumlah mahasiswa baru Institut Pertanian Bogor dengan menggunakan metode fuzzy time series dan metode pemulusan eksponensial ganda dari Holt serta membandingkan kedua metode tersebut dengan cara melihat tingkat ketepatan peramalan Mean Absolute Percentage Error (MAPE). Metode fuzzy time series menggunakan himpunan fuzzy dalam proses peramalannya sedangkan metode pemulusan eksponensial ganda dari Holt menggunakan pemulusan nilai dari serentetan data dengan cara menguranginya secara eksponensial. Dalam meramalkan jumlah mahasiswa baru Institut Pertanian Bogor, metode fuzzy time series menghasilkan tingkat ketepatan peramalan yang lebih baik dengan nilai MAPE sebesar 6.41 % dibandingkan dengan metode pemulusan eksponensial ganda dari Holt dengan nilai MAPE sebesar 7.75 %. Setelah dilakukan studi kasus, metode pemulusan eksponensial ganda dari Holt akan lebih akurat hasil peramalannya jika data yang digunakan lebih banyak.

scholarly journals Annual Precipitation in Southern of Madagascar: Modeling using High Order Fuzzy Time Series

2020 ◽  
Vol 10 (4) ◽  
pp. 1-16
Author(s):  
Harimino Andriamalala Rajaonarisoa ◽  
Irrish Parker Ramahazosoa ◽  
Hery Zojaona Tantely Stefana Zafimarina Reziky ◽  
Adolphe Andriamanga Ratiarison
Keyword(s):  
Time Series ◽  
Test Data ◽  
Mean Absolute Error ◽  
Absolute Error ◽  
High Order ◽  
Time Series Model ◽  
Fuzzy Time Series ◽  
Annual Precipitation ◽  
Spatial And Temporal Variability ◽  
Model Order

The objective of this research is to find the best conventional high order fuzzy time series model for annual precipitation series in southern Madagascar. This work consists on finding the hyper parameters (number of partition of the universe of discourse and model order) to obtain the best conventional high order fuzzy time series model for our experimental data. In previous works, entitled spatial and temporal variability of precipitation in southern Madagascar, we subdivided the study area between 22 ° S to 30 ° S latitude and 43 ° Eto 48 ° E longitude into four zones of homogeneous precipitation. In this article, we seek to model annual precipitation data representative of one of these four areas. These data were taken between 1979 and 2017. Our approach consists on subdividing the data: data obtained from 1979 to 2001 (60%) for the training and data from 2002 to 2017 (40%) to test the model. To determine the number of partitions and model order, we fix first the number of partitions to 10 and then to 15, 20, 25,30, 35, 40, 45 and 50.For each of these values, we vary the model order from 1 to 10.Thenwe locate the model order which corresponds to the minimum of the average curve between the Mean Absolute Errors (MAE) between the training data and the test data. Thus, the orders of the candidate model are 2, 3, 5, and 6.The next step is to fix the model order with the previous values and vary the number of partitions from 3 to 50.For each couple of hyper parameter of the model (number of partitions, model order), we locate the value of number of partitions corresponding to the minimum of the average curve between the absolute mean of the errors or MAE (Mean Absolute Error) between the train and test data. We obtain the hyper-parameter pairs (37, 2), (20, 3), (35, 5) and (35, 6).The first pair gives the lowest Mean Absolute Error. As a final result, we obtain the best high order fuzzy time series model with hyperparameters number of partition equals thirty seven and of order equals two for annual precipitation in Southern of Madagascar

scholarly journals Metode Automatic clustering-fuzzy logical relationships pada Peramalan Jumlah Penduduk di Kota Makassar

2019 ◽  
Vol 1 (2) ◽  
pp. 193
Author(s):  
Muhammad Abdy ◽  
Rahmat Syam ◽  
Elfira Haryanensi
Keyword(s):  
Time Series ◽  
Fuzzy Theory ◽  
Secondary Data ◽  
Mean Absolute Percentage Error ◽  
Fuzzy Time Series ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Automatic Clustering ◽  
Forecasting Method ◽  
Fuzzy Logical

Abstrak. Penelitian ini merupakan penerapan metode automatic clustering-fuzzy logical relationships unruk meramalkan jumlah penduduk di Kota Makassar menggunakan data sekunder BPS Kota Makassar yang bertujuan memprediksi jumlah penduduk  tahun 2017-2021. Penelitian diawali dengan penentuan panjang interval, nilai tengah panjang interval, membuat relasi logika fuzzy, fuzzifikasi, defuzzifikasi, dan menghitung nilai error hasil ramalan dengan metode Mean Absolute Percentage Error. Hasil penelitian ini menunjukkan bahwa ramalan jumlah penduduk di Kota Makassar dari tahun 2016 ke 2017 meningkat, tahun 2017 sampai tahun 2019 menurun, dan pada tahun 2019-2021 meningkat dengan keakuratan yang sangat bagus.Kata kunci:Automatic clustering-fuzzy logical relationships, Fuzzy Time Series,TeoriFuzzyAbstract.This research is the application of the forecasting method of fuzzy time series which is the method of automatic clustering fuzzy-logical relationships in forecasting the population of Makassar City using secondary data from BPS Makassar city which aims to predicting the population in year 2017-2021. The discussion starting from the determination of the length of the interval, determining the value of the middle length interval, making relations of fuzzy logic, fuzzification, defuzzification, and calculating the error value of the forecasting result by using the method of Mean Absolute Percentage Error. The result of this research shows that the predictions of the population of Makassar City from 2016 to 2017 increased, from 2017 to 2019 decreased, and in 2019-2021 increased with the very good accuracy. Keywords:Automatic Clustering-Fuzzy Logical Relationships, Fuzzy Time Series,Fuzzy Theory

scholarly journals Peramalan Data Ekspor Nonmigas Provinsi Kalimantan Timur Menggunakan Metode Weighted Fuzzy Time Series Lee

2021 ◽  
Vol 14 (1) ◽  
pp. 1-10
Author(s):  
Muhammad Wahdeni Pramana ◽  
Ika Purnamasari ◽  
Surya Prangga
Keyword(s):  
Time Series ◽  
Root Mean Square Error ◽  
Mean Square Error ◽  
Root Mean Square ◽  
Mean Absolute Percentage Error ◽  
Fuzzy Time Series ◽  
Percentage Error ◽  
Mean Square ◽  
Absolute Percentage Error

Ekspor merupakan aktivitas perdagangan atau penjualan barang dari dalam negeri ke luar negeri. Ekspor nonmigas sebagai salah satu komponen pembentuk Produk Domestik Regional Bruto (PDRB) sehingga perlu adanya suatu peramalan nilai di masa mendatang. Fuzzy Time Series (FTS) merupakan metode peramalan dengan berdasarkan teori himpunan fuzzy, logika fuzzy, serta hasil peramalan yang dapat dibahasakan (linguistik). Metode Weighted Fuzzy Time Series (WFTS) Lee merupakan perluasan dari metode FTS dengan penambahan pembobotan pada tiap pola relasi yang terbentuk. Tujuan penelitian ini adalah memperoleh nilai peramalan ekspor nonmigas Provinsi Kalimantan Timur pada bulan November 2020 serta memperoleh nilai akurasi peramalan berdasarkan metode Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Berdasarkan hasil analisis diperoleh nilai akurasi peramalan untuk data Ekspor Nonmigas Provinsi Kalimantan Timur bulan Januari 2019 – Oktober 2020 dengan konstanta pembobot   menggunakan metode MAPE diperoleh hasil keseluruhan dibawah 10% sehingga diperoleh konstanta pembobot terbaik yaitu  dengan nilai MAPE terminimum yaitu sebesar 3,62% dan RMSE minimum sebesar 50,67. Dari hasil tersebut, diperoleh hasil peramalan untuk bulan November 2020 dengan menggunakan kontanta pembobot terbaik  yaitu sebesar 850,96 juta USD.

scholarly journals PERAMALAN BEBAN LISTRIK JANGKA MENENGAH DI WILAYAH TELUK KUANTAN DENGAN METODE FUZZY TIME SERIES CHENG

2019 ◽  
Vol 8 (2) ◽  
pp. 84
Author(s):  
Lana Fauziah ◽  
Dodi Devianto ◽  
Maiyastri Maiyastri
Keyword(s):  
Time Series ◽  
Mean Absolute Percentage Error ◽  
Fuzzy Time Series ◽  
Percentage Error ◽  
Absolute Percentage Error

Kebutuhan terhadap energi listrik saat ini semakin meningkat karena sebagian besar aspek kehidupan manusia bergantung pada ketersediaan energi listrik. Akibatnya pihak penyalur listrik harus mempersiapkan kebutuhan energi listrik yang semakin meningkat tersebut. Pihak penyalur listrik harus memiliki perencanaan yang baik dan tepat dalam pendistribusian energi listrik. Salah satu upaya yang dapat dilakukan untuk membantu perencanaan tersebut adalah melakukan peramalan beban listrik untuk waktu yang akan datang. Metode fuzzy time series (FTS) Cheng merupakan salah satu metode yang dapat dilakukan untuk peramalan data time series yang menggunakan prinsip-prinsip fuzzy sebagai dasarnya. Pada penelitian ini dilakukan peramalan beban listrik jangka menengah di wilayah Taluk Kuantan dengan metode FTS Cheng untuk beberapa bulan ke depan. Hasil peramalan yang diperoleh tersebut dihitung tingkat akurasi peramalannya dengan menggunakan Mean Absolute Percentage Error (MAPE) sehingga diperoleh tingkat akurasi sebesar 4.45%, yang artinya hasil peramalan beban listrik jangka menengah di wilayah Taluk Kuantan dengan metode FTS Cheng dikatakan sangat baik karena tingkat akurasi yang kurang dari 10%.Kata Kunci: Time Series, Beban Listrik, Fuzzy Time Series Cheng

scholarly journals Peramalan Nilai Tukar Petani Subsektor Peternakan Menggunakan Fuzzy Time Series Lee

2021 ◽  
Vol 3 (1) ◽  
pp. 1-15
Author(s):  
Mahadi Muhammad ◽  
Sri Wahyuningsih ◽  
Meiliyani Siringoringo
Keyword(s):  
Time Series ◽  
Fuzzy Sets ◽  
Historical Data ◽  
Mean Absolute Percentage Error ◽  
Fuzzy Time Series ◽  
Percentage Error ◽  
Logical Relationship ◽  
Absolute Percentage Error ◽  
The Mean ◽  
Fuzzy Logical

ABSTRAKFuzzy time series (FTS) Lee adalah suatu metode peramalan yang digunakan ketika jumlah data historis yang tersedia sedikit, serta tidak mensyaratkan asumsi-asumsi tertentu yang harus terpenuhi. Metode ini menggunakan data historis berupa himpunan fuzzy yang berasal dari bilangan real atas himpunan semesta pada data aktual. FTS Lee adalah perkembangan dari FTS Song dan Chissom, FTS Cheng, serta FTS Chen. Pada penelitian ini dibahas penerapan FTS Lee pada data Nilai Tukar Petani Subsektor Peternakan (NTPT) di Kalimantan Timur. Tujuan penelitian ini adalah memperoleh hasil peramalan NTPT di Kalimantan Timur pada bulan Januari 2020 dengan menggunakan FTS Lee. Langkah awal dalam penelitian ini yaitu menentukan himpunan semesta pembicaraan, langkah kedua menentukan banyaknya himpunan fuzzy, langkah ketiga mendefinisikan derajat keanggotaan himpunan fuzzy terhadap  dan melakukan fuzzyfikasi pada data aktual, langkah keempat membuat fuzzy logical relationship, langkah kelima membuat fuzzy logical relationship group, langkah keenam melakukan defuzzyfikasi sehingga diperoleh hasil peramalan, serta dilanjutkan dengan menghitung nilai mean absolute percentage error. Hasil penelitian menunjukkan bahwa peramalan menggunakan FTS Lee pada bulan Januari 2020 adalah 110,25. Nilai mean absolute percentage error pada  hasil peramalan dengan menggunakan FTS Lee adalah sangat baik.  ABSTRACTLee’s Fuzzy time series (FTS) is a forecasting method that is used when the number of historical data that available was small and does not require certain assumptions to be fulfilled. This method uses historical data in the form of fuzzy sets derived from real numbers over the set of universes in the actual data. FTS Lee is a development of FTS Song and Chissom, FTS Cheng, and FTS Chen. This research discusses the application of FTS Lee to the Exchange Rate of Farmers Subsectors Farm (ERFSF) in Kalimantan Timur. The purpose of this study was to obtain the results of ERFSF forecasting in Kalimantan Timur in January 2020 using FTS Lee. The first step during research is to determine the set of speech universes, the second step is to determine the number of fuzzy sets, the third step is to define the degree of fuzzy association membership and fuzzification on the actual data, the fourth step is to create a fuzzy logical relationship, the fifth step is to create a fuzzy logical relationship group, the sixth step is to perform defuzzification in order to obtain forecasting results, and continue by calculating the mean absolute percentage error value. The results showed that forecasting using FTS Lee in January 2020 was 110,25. The mean absolute percentage error value in forecasting results using FTS Lee is very good.

Fuzzy Time Series

2017 ◽  
pp. 157-190
Author(s):  
Ali Karasan ◽  
İsmail Sevim ◽  
Melih Çinar
Keyword(s):  
Time Series ◽  
Performance Indicators ◽  
Fuzzy Time Series ◽  
Time Series Models ◽  
Advantages And Disadvantages ◽  
Generic Strategies

In this chapter, we are planning to make a comparison between conventional Time Series Models and Fuzzy Time Series Models by an application in an e-commerce company. Future sales of furniture will be predicted. The performance of different models and forecasting periods are going to be analyzed to discuss advantages and disadvantages of each method. MAE is chosen as performance indicators of each model and forecasting period combination. As a conclusion to this chapter, generic strategies for prediction in an e-commerce company will be formulated in consideration of these indicators.

Forecasting Technique for the Production Plan of the Local Earthenware Industries of Thailand

2014 ◽  
Vol 577 ◽  
pp. 1279-1282
Author(s):  
Weerapol Namboonruang ◽  
N Amdee
Keyword(s):  
Time Series ◽  
Classical Model ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Time Series Models ◽  
Production Plan ◽  
Absolute Percentage Error ◽  
The Mean

The purpose of this work is to compare the forecasting of time series models between two different models. One is the classical model and another is the Box-Jenkins model. The data are calculated using the circulation of Angbuaand Ahongwhich are the local earthenware products from Ratchaburi province, Thailand. Results show that the mean absolute percentage error (MAPE) of Angbua and Ahong are 17.80, 36.12 and 16.38,17.21 respectively. Also,prediction using the Box-Jenkins Model by ARIMA form of both products are (1, 0, 0) and (1, 1, 1). From this work the Box-Jenkins Model shows more appropriate method than the classical model considered by the less error.

Sign in / Sign up

Export Citation Format

Share Document