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 Model Peramalan Garis Kemiskinan Menggunakan Metode Double Exponential Smoothing dari Holt

2019 ◽  
Vol 5 (1) ◽  
Author(s):  
Roni Aminudin ◽  
Yeffry Handoko
Keyword(s):  
Time Series ◽  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Double Exponential ◽  
Double Exponential Smoothing

Penelitian ini bertujuan untuk melakukan peramalan Garis Kemiskinan untuk membantu pemerintah mendapatkan informasi yang akurat dan cepat. Metode yang digunakan dalam penelitian ini adalah Double Exponential Smoothing dari Holt. Metode ini adalah bagian dari data berdasarkan analisis deret waktu (time series). Penelitian ini menerapkan teori peramalan untuk menghasilkan ramalan Garis Kemiskinan untuk tahun yang akan datang. Selanjutnya, penelitian ini melakukan analisa pola data, dan menentukan nilai parameter terbaik. Metode Double Exponential Smoothing dari Holt menggunakan parameter Alpha (α) dan Gamma (γ). Untuk menentukan nilai parameter terbaik adalah menggunakan metode trial dan error. Nilai parameter terbaik menghasilkan nilai MAPE (Mean Absolute Percentage Error) terkecil. Pola data menunjukan trend, berarti metode Double Exponential Smoothing dari Holt tepat untuk digunakan dalam penelitian ini. Nilai parameter yang dihasil dari metode trial dan error adalah Alpha (α) sebesar 0,7 dan Gamma (γ) sebesar 0,1 yang menghasilkan ukuran akurasi terkecil, dalam penelitian ini menggunakan MAPE. Dengan mengamati hasil peramalan yang telah dilakukan, model peramalan ini memiliki kinerja yang sangat baik. Nilai Garis Kemiskinan akan terus meningkat, sesuai dengan pola konsumsi yang meningkat dan kenaikan harga kebutuhan pokok.

scholarly journals Sistem Informasi Peramalan Penjualan Barang Dengan Metode Double Exponential Smoothing (Studi Kasus Istana Sayur)

2020 ◽  
Vol 6 (3) ◽  
pp. 9-14
Author(s):  
Yuri Ariyanto ◽  
Ahmadi Yuli Ananta ◽  
Muhammad Robbi Darwis Darwis
Keyword(s):  
Forecast Error ◽  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Double Exponential ◽  
Double Exponential Smoothing

Abstrak—Istana Sayur merupakan salah satu toko yang menjual beberapa macam sayuran, buah buahan dan bahan makanan yang selalu berusaha meningkatkan dan menjaga kualitas layanan, mencoba mengurangi kerugian dari pengendalian persediaan stok barang secara manual yang kurang baik akibat kelebihan dan kekurangan stok yang dialami saat ini, maka diperlukan fitur sebagai sistem informasi kasir dan peramalan stok barang. Tujuan dari pembuatan sistem informasi ini adalah analisa Forecasting secara manual ke dalam sebuah sistem informasi agar lebih praktis, dengan pemrograman PHP berframework CodeIgniter dan MySQL sebagai databasenya. Dengan menggunakan metode Double Exponential Smoothing Holt untuk pengambilan keputusan dalam jangka waktu tertentu dan pemanfaatkan pergerakan data pada masa lalu yang bersifat trend dimana datanya bersifat linier. Setelah dilakukan observasi pada Istana Sayur, Malang, didapat data transaksi penjualan dan barang pada tahun 2016-2018. Dari hasil perhitungan metode yang dipakai pada sistem ini kemudian dihitung Forecast Error-nya dengan menggunakan metode Mean Absolute Percentage Error. Dari analisa yang telah dilakukan, didapatkan hasil bahwa dengan menggunakan Mean Absolute Percentage Error didapat nilai untuk Sawi Caisim Manis dengan nilai 15.05%, Telor Ayam dengan nilai 15.78%, Cabe Hijau dengan nilai 12.45%, Buncis dengan nilai 22.22%, Cengkeh dengan nilai 34.69%, Bawang Putih dengan nilai 19.53%, Tempe dengan nilai 20.60% dan Kentang dengan nilai 17.58%. Sehingga Sawi Caisim Manis, Telor Ayam, Cabe Hijau, Bawang Putih dan Kentang tergolong kedalam kategori baik karena memiliki nilai diantara 10%-20%. Sedangkan untuk Buncis, Cengkeh dan Tempe tergolong kedalam kategori cukup karena memiliki nilai diantara 20%-50%. Saran untuk pengembangan aplikasi ini adalah perlunya penambahan metode lain sebagai pembanding tingkat keakuratan.

scholarly journals SISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING

2017 ◽  
Vol 2 (1) ◽  
pp. 45 ◽  
Author(s):  
Mansyur Mansyur ◽  
Erfan Rohadi
Keyword(s):  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Double Exponential ◽  
Double Exponential Smoothing

Dalam dunia bisnis, dibutuhkan sebuah prediksi atau perkiraan dari suatu tindakan yang akan diproses untuk menindak lanjuti hasil yang akan diharapkan pada beberapa periode selanjutnya. Keberlangsungan proses produksi   dalam  suatu   bisnis   ditunjang   oleh   pengendalian   persediaan    stok  barang yang baik. Peramalan   merupakan   satu   komponen   pendukung   dalam   aktivitas   perencanaan   dalam membuat  suatu prediksi  bisnis  untuk  mendapatkan  keuntungan  yang  maksimal.  Metode   peramalan  merupakan bentuk pengendalian persediaan kuantitatif berdasarkan data historis (runtut waktu).Tujuan dari penelitian ini adalah meramalkan  jumlah  Stok  barang  di  CV.Annora  Asia  dengan   menggunakan   metode   double   exponential smoothing. Dengan metode ini, perhitungan dapat dilakukan untuk mencari nilai optimal yang paling baik dengan   tingkat  kesalahan  yang  paling  terkecil. Dan  hasil  pengujian  perhitungan  MAPE  (Mean  Absolute Percentage Error) menunjukan hasil hasil yang sangat bagus karna di temukan nilai sebesar 4,82866%.

Forecasting Bitcoin using Double Exponential Smoothing Method Based on Mean Absolute Percentage Error

2020 ◽  
Vol 4 (2) ◽  
pp. 91
Author(s):  
Febri Liantoni ◽  
Arif Agusti
Keyword(s):  
Exponential Smoothing ◽  
Smoothing Method ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Business World ◽  
Absolute Percentage Error ◽  
A Value ◽  
Double Exponential ◽  
Double Exponential Smoothing ◽  
Exponential Smoothing Method

Abstract— After being introduced in 2008, the rise in the price of bitcoin and the popularity of other cryptocurrencies triggered a growing discussion about how much energy was consumed during the production of this currency. Making cryptocurrency the most expensive and most popular, both the business world and the research community have begun to study the devel-opment of bitcoin. In this study bitcoin price predictions are performed using the double exponential smoothing method based on the mean absolute percentage error (MAPE). The MAPE value is used to find the best alpha (α) parameter as the basis for bitcoin price forecasting. The dataset used is the price of bitcoin from 2017 to 2019. The dataset was obtained from www.cryptocompare.com. As for the value of the alpha parameter (α), using a value of 0.1 to 0.9. Based on the test results using the double exponential smoothing method obtained the smallest MAPE value of 2.89%, with the best alpha (α) at 0.9. The prediction is done to see the price of bitcoin on January 1, 2020. The error rate generated on the predicted price of bitcoin uses an amount of 0.0373%. This shows that the system built can be used as a support for decision making when trading bitcoin.

scholarly journals APLIKASI PERAMALAN JUMLAH PEMOHON PASPOR MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING PADA KANTOR IMIGRASI KELAS II KOTA LHOKSEUMAWE

2019 ◽  
Vol 11 (2) ◽  
pp. 257
Author(s):  
Eva Darnila ◽  
Asrianda Asrianda ◽  
Rauzatul Jannah
Keyword(s):  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Double Exponential ◽  
Double Exponential Smoothing

Setiap tahunnya jumlah pemohon paspor dikantor imigrasi selalu meningkat (kantor imigrasi kelas II Kota Lhokseumawe). peningkatan jumlah pemohon paspor ini akan berdampak pada kesediaan sarana, prasarana, maupun pelayanan pengurusan paspor yang sering mencapai 500 – 600 buah paspor setiap bulannya ditahun 2016. Penelitian peramalan ini dilakukan dengan menggunakan metode double exponential smoothing. Perhitungan akurasi dilakukan dengan Mean Absolute Percentage Error (MAPE). Data yang digunakan sebanyak 72 data  permohonan paspor baru mulai dari bulan januari 2016 sampai desember 2018 perjenis laki – laki dan perempuan didapatkan dari kantor imigrasi kelas II kota Lhokseumawe. Dari penelitian ini pengujian pada tahun 2018 didapatkan nilai parameter untuk double exponential smoothing adalah ɑ = 0.2. Dari nilai parameter tersebut didapatkan nilai SSE sebesar = 2356.833705, nilai MSE sebesar =  1178.416852 dan MAPE sebesar = 5,585627855.

scholarly journals PERKEMBANGAN DAN PROYEKSI PRODUKSI DAN KONSUMSI BERAS DI NUSA TENGGARA BARAT

2020 ◽  
Vol 21 (3) ◽  
Author(s):  
Sopiatun Zohdi Nur ◽  
Taslim Sjah ◽  
FX Edy Fernandez
Keyword(s):  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Least Square ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Double Exponential ◽  
Double Exponential Smoothing

Penelitian ini bertujuan untuk (a) menganalisis perkembangan produksi dan konsumsi beras di Nusa Tenggara Barat (b) menganalisis metode peramalanyang tepat untuk memproyeksikan produksi dan konsumsi beras di Nusa Tenggara Barat, dan (c) memproyeksikan produksi dan konsumsi beras di Nusa Tenggara Barat tahun 2019-2023. Penelitian ini menggunakan metode deskriptif dengan unit analisis yaitu Provinsi Nusa Tenggara Barat. Jenis data yang digunakan merupakan data kuantitatif dan kualitatif dengan sumber data sekunder. Analisis data yang digunakan diantaranya adalah metode deskriptif,metode Double Exponential Smoothing oleh Holt dan Metode Trend Least Square dan metode Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa: (1) perkembangan produksi beras di Nusa Tenggara Barat dalam kurun waktu 14 tahun terakhir (2005-2018) mengalami fluktuasi, namun secara umum mengalami peningkatan. Produksi beras terendah di NTB terjadi pada tahun 2005 sebesar 772.421 ton, sedangkan produksi beras tertinggi terjadi pada tahun 2018 sebesar 1.409.855 ton. Hal tersebut juga diikuti oleh perkembangan konsumsi beras di NTB. Tingkat konsumsi beras terendah terjadi pada tahun 2013 sebesar 504.240 ton/tahun, sedangkan tingkat konsumsi beras tertinggi terjadi pada tahun 2018 sebesar 586.601 ton/tahun. Perbandingan jumlah produksi beras dan tingkat konsumsi beras di NTB menunjukkan adanya surplus produksi sebesar 556.194 ton. (2) Metode peramalan terbaik yang dapat digunakan untuk memproyeksikan produksi beras di Nusa Tenggara Barat tahun 2019-2023 adalah metode Trend Least Square karena mempunyai nilai MAPE terkecil, sedangkan metode peramalan terbaik untuk memproyeksikan konsumsi beras di NTB tahun 2019-2023 adalah metode Holt’s Double Exponential Smoothing karena mempunyai nilai MAPE terkecil. (3) Produksi beras diproyeksikan sebanyak 1.425.916 ton pada tahun 2019 dan sebanyak 1.602.890 ton pada tahun 2023 dengan peningkatan sebesar 22.122 ton per tahun. Konsumsi beras diproyeksikan sebanyak 599.346 ton/tahun pada tahun 2019 dan sebanyak639.755 ton/tahun pada tahun 2023. Produksi beras dalam 5 tahun kedepan mengalami surplus diatas konsumsi sebesar 686.889 ton per tahun

scholarly journals PERBANDINGAN METODE DOUBLE EXPONENTIAL SMOOTHING HOLT DAN FUZZY TIME SERIES CHEN UNTUK PERAMALAN HARGA PALADIUM

2021 ◽  
Vol 10 (3) ◽  
pp. 325-336
Author(s):  
Anes Desduana Selasakmida ◽  
Tarno Tarno ◽  
Triastuti Wuryandari
Keyword(s):  
Time Series ◽  
Precious Metal ◽  
Exponential Smoothing ◽  
Fuzzy Time Series ◽  
Monthly Data ◽  
Toxic Gases ◽  
Double Exponential ◽  
Speed Up ◽  
Past Data ◽  
Double Exponential Smoothing

Palladium is one of the precious metal commodities with the best performance since 3 years ago. Palladium has many benefits, including being used in the electronics, medical, jewelry and chemical industries. The benefits of palladium in the chemical field are that it can help speed up chemical reactions, filter out toxic gases in exhaust gases, and convert the gas into safer substances, so palladium is usually used as a catalyst for cars. Forecasting is a process of processing past data and projected for future interest using several mathematical models. The model used in this study is the Double Exponential Smoothing Holt and Fuzzy Time Series Chen methods. The process of forecasting palladium prices using monthly data from January 2011 to December 2020 with the Double Exponential Smoothing Holt method and the Fuzzy Time Series Chen method will be carried out in this study to describe the performance of the two methods. Based on the results of the analysis, it can be concluded that the Double Exponential Smoothing Holt and Fuzzy Time Series Chen methods have equally good performance with sMAPE values of 6.21% for Double Exponential Smoothing Holt and 9.554% for Fuzzy Time Series Chen. Forecasting for the next 3 periods using these two methods generally produces forecasting values that are close to the actual data. 

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

Sign in / Sign up

Export Citation Format

Share Document