scholarly journals Aplikasi Monitoring dan Prediksi Harga Komoditas Pasar Daerah Indramayu Berbasis Fuzzy Time Series

2020 ◽  
Vol 1 (1) ◽  
pp. 15-24
Author(s):  
A Sumarudin ◽  
Adi Suheryadi ◽  
Bahrainsyah Oksareinaldi ◽  
Lia Nurfadilah
Keyword(s):  
Time Series ◽  
Mean Absolute Percentage Error ◽  
Fuzzy Time Series ◽  
Percentage Error ◽  
Absolute Percentage Error

Berdasarkan data yang disajikan Pusat Informasi Harga Pangan Strategis Nasional, Senin (6/5/2019), seluruh harga komoditas pangan naik. Kenakan harga mempengaruhi daya beli masyarakat dan persedian bahan pokok di daerah. Untuk mengatasi permasalahan tersebut memunculkan gagasan untuk membuat sebuah aplikasi berbasis website yang dapat melakukan monitoring harga pangan dan dapat memprediksi kenaikan harga pangan, prediksi diharapkan dapat menjadi system pendukung keputusan bagi pemegang kebijakan untuk dapat mengendalikan harga. Metodologi yang digunakan pada aplikasi ini yaitu V Model, bahasa pemrograman yang digunakan yaitu PHP dengan menggunakan framework laravel 5.8 untuk mengembangkan aplikasinya. Aplikasi ini menggunakan metode Fuzzy Time Series yaitu untuk melakukan peramalan atau memprediksi harga jenis komoditi. adalah memberikan informasi terkait harga komoditi yang ada di pasar, serta memprediksi harga jenis komoditi untuk bulan kedepannya, hal ini di tujukan untuk mengambil tindakan ketika kenaikan harga mengalami kenaikan secara tiba-tiba. Dari hasil pengujian prediksi harga menggunakan mean absolute percentage Error (MAPE). Dan hasil prediksi yang didapat dengan nilai MAPE -0.013%.

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 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.

scholarly journals PERBANDINGAN METODE FTS DAN MA PADA PERAMALAN PERSEDIAAN BERAS

2020 ◽  
Vol 6 (3) ◽  
pp. 29-36
Author(s):  
Deddy Kusbianto ◽  
Agung Pramudhita ◽  
Nurhalimah
Keyword(s):  
Time Series ◽  
Mean Square Error ◽  
Moving Average ◽  
Mean Absolute Percentage Error ◽  
Fuzzy Time Series ◽  
Percentage Error ◽  
Mean Absolute Deviation ◽  
Mean Square ◽  
Absolute Deviation ◽  
Absolute Percentage Error

Dalam memenuhi kebutuhan masyarakat Kabupaten Malang dan menjaga stabilitas ketersediaan beras pemerintah setempat perlu melakukan proses peramalan. Dimana dalam melakukan proses peramalan menggunakan metode peramalan, salah satunya dengan menggunakan metode Fuzzy Time Series dan Moving Average yaitu dengan menangkap pola dari data yang telah lalu kemudian digunakan untuk memproyeksikan data yang akan da¬¬tang. Dari hasil implementasi dua metode tersebut menghasilkan perbandingan jumlah persediaan beras. hasil perbandingan tersebut akan dipakai untuk mengukur tingkat error dari masing – masing metode dengan menggunakan MAD (Mean Absolute Deviation), MSE (Mean Square Error), RMSE ( Root Square Error ) dan MAPE (Mean Absolute Percentage Error). Kesimpulannya adalah metode fuzzy time series cocok digunakan untuk studi kasus peramalan persediaan beras dibandingkan menggunakan metode moving average. Sehingga untuk proses peramalan selanjutnya dan untuk mendapatkan hasil dengan tingkat error sedikit dapat menggunakan metode fuzzy time series

scholarly journals Fuzzy Time Series dan Algoritme Average Based Length untuk Prediksi Pekerja Migran Indonesia

2019 ◽  
Vol 6 (4) ◽  
pp. 369
Author(s):  
Solikhin Solikhin ◽  
Uky Yudatama
Keyword(s):  
Time Series ◽  
Prediction Accuracy ◽  
Performance Test ◽  
Predictive Accuracy ◽  
Mean Absolute Percentage Error ◽  
Fuzzy Time Series ◽  
Percentage Error ◽  
Government Programs ◽  
Absolute Percentage Error ◽  
Care Worker

<p>Perkembangan jumlah Pekerja Migran Indonesia (PMI) program <em>Government to Government (G to G)</em> Jepang bidang perawat <em>(nurse)</em> dan perawat orang berusia lanjut <em>(care worker)</em> mengalami naik turun dari tahun 2008 hingga 2018. Untuk dapat menganalisis jumlah PMI yang mengalami naik turun dengan mengukur perkembangan jumlah PMI saat ini dan memprediksikan kondisi tersebut pada masa mendatang, maka diperlukan model prediksi. Dalam penelitian ini diterapkan model <em>fuzzy time series</em> dengan menggunakan algoritme <em>average-based length.</em> Penentuan panjang interval yang efektif dapat mempengaruhi hasil prediksi yaitu dapat meningkatkan keakuratan yang tinggi dalam <em>fuzzy time series</em>. Hasil proses prediksi PMI program <em>G to G</em> Jepang tahun 2019 bidang <em>nurse</em> diperoleh 43.3, bidang <em>care worker</em> diperoleh 300 dan bidang keseluruhan diperoleh 325. Hasil uji kinerja prediksi PMI program <em>G to G</em> Jepang, menggunakan <em>Mean Absolute Percentage Error (MAPE)</em> adalah 24.27% untuk bidang <em>nurse </em>dengan nilai akurasi prediksi 20–50% termasuk dalam kriteria “wajar”, bidang <em>care worker</em> 11.29% dengan nilai akurasi prediksi 10–20% termasuk dalam kriteria “baik”, sedangkan untuk bidang keseluruhan diperoleh 8.41% dengan nilai akurasi prediksi <em>MAPE </em>&lt;10% termasuk dalam kriteria “sangat baik”. Berdasarkan hasil prediksi tersebut dapat digunakan sebagai pendukung keputusan bagi manajemen dalam membuat kebijakan terkait persiapan, perencanaan, penjadwalan, penempatan, dan perlindungan terhadap para calon PMI pada masa mendatang. Dengan demikian dapat meningkatkan kualitas kinerja sumberdaya manusia dalam memberikan pelayanan terbaik terhadap para calon PMI program <em>G to G</em> Jepang.</p><p><em><strong>Abstract</strong></em></p><p><em>The development of the number of Pekerja Migran Indonesia (PMI) Government to Government programs (G to G) in Japan in the field of nurses  and care workers experienced ups and downs from 2008 to 2018. To be able to analyze the number of PMIs experiencing ups and downs by measuring the development of the current number of PMIs and predicting these conditions in the future, a prediction model is needed. In this study fuzzy time series models are applied using an average-based length algorithm. Determining the length of an effective interval can influence the results of predictions, which can increase high accuracy in fuzzy time series. The results of the PMI program G to G Japan prediction process for 2019 in the nurse field were obtained 43.3, the care worker field was obtained 300 and the overall field was 325. The results of the G to G Japan PMI prediction performance test, using the Mean Absolute Percentage Error (MAPE) were 24.27% for nurse field with predictive accuracy value of 20–50% included in the criteria of "reasonable", the field of care worker 11.29% with a prediction accuracy value of 10-20% included in the criteria "good", while for the overall field obtained 8.41% with MAPE prediction accuracy value &lt; 10% is included in the criteria of "very good". Based on the results of these predictions it can be used as a decision support for management in making policies related to preparation, planning, scheduling, placement, and protection of future PMI candidates. Thus it can improve the quality of the performance of human resources in providing the best service to prospective G-G Japan PMI programs.</em></p><p><em><strong><br /></strong></em><strong></strong></p>

scholarly journals Peramalan Data Kunjungan Wisatawan Mancanegara ke Indonesia menggunakan Fuzzy Time Series

2019 ◽  
Vol 5 (1) ◽  
pp. 18
Author(s):  
Indra Jiwana Thira ◽  
Nissa Almira Mayangky ◽  
Desiana Nur Kholifah ◽  
Imanuel Balla ◽  
Windu Gata
Keyword(s):  
Time Series ◽  
Time Series Data ◽  
Mean Absolute Percentage Error ◽  
Fuzzy Time Series ◽  
Series Data ◽  
Percentage Error ◽  
Absolute Percentage Error

Wisatawan mancanegara memegang peranan penting terhadap pertumbuhan ekonomi dari sektor pariwisata. Untuk meningkatkan kunjungan wisatawan mancanegara perlu dilakukan pembangunan yang berkelanjutan pada sektor pariwisata. Pembangunan yang dilakukan harus sejalan dengan tren pertumbuhan kunjungan wisatawan mancanegara agar pembangunan tepat sasaran, efektif dan efisien. penelitian ini bertujuan untuk meramalkan kunjungan wisatawan mancanegara ke Indonesia menggunakan metode Fuzzy Time Series. Data historis yang digunakan adalah data kunjungan wisatawan mancanegara ke Indonesia periode Januari Tahun 2013 sampai dengan Desember Tahun 2017 dari Badan Pusat Statistik (BPS). Implementasi Fuzzy Time Series pada data historis menghasilkan Mean Absolute Percentage Error (MAPE) sebesar 4,42 % dengan tingkat kesalahan tertinggi sebesar sebesar 18,05% pada Januari 2014 dan kesalahan terendah sebesar 0,04% pada Mei 2017. Hasil tersebut menunjukan bahwa penggunakan Fuzzy Time Series pada peramalan data kunjungan wisatawan mancanegara ke Indonesia memiliki hasil yang sangat baik.

scholarly journals PERAMALAN HARGA EMAS INDONESIA MENGGUNAKAN METODE FUZZY TIME SERIES KLASIK

2019 ◽  
Vol 8 (2) ◽  
pp. 45
Author(s):  
Faldo Aditya ◽  
Dodi Devianto ◽  
Maiyastri Maiyastri
Keyword(s):  
Time Series ◽  
Mean Absolute Percentage Error ◽  
Fuzzy Time Series ◽  
Percentage Error ◽  
Absolute Percentage Error

Emas merupakan jenis investasi yang diminati para investor karena memiliki tingkat resiko yang relatif rendah, berfungsi sebagai pelindung kekayaan dan tidak terpengaruhi oleh inflasi. Harga emas selalu mengalami perubahan dari waktu ke waktu, sehingga perlu dilakukan peramalan nilai harga emas Indonesia sebagai dasar bagi para investor dalam pengambilan keputusan. Metode peramalan yang dapat digunakan salah satunya adalah metode Fuzzy Time Series Klasik. Hasil peramalan dari metode tersebut kemudian diukur tingkat akurasinya menggunakan Mean Absolute Percentage Error (MAPE). Pada penelitian ini, hasil peramalan harga emas Indonesia mengikuti pola data pergerakan harga emas aktual. Sementara nilai akurasi peramalan MAPE yaitu sebesar 0,99%, sehingga peramalan harga emas Indonesia dengan metode Fuzzy Time Series klasik berdasarkan kriteria MAPE tergolong sangat baik.Kata Kunci: Emas, Time Series, Fuzzy Time Series

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

2021 ◽  
Vol 1 (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.

Sign in / Sign up

Export Citation Format

Share Document