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 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.

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 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 A TIME SERIES FORECASTING MODEL BASED ON LINGUISTIC FORECASTING RULES

2021 ◽  
Vol 37 (1) ◽  
pp. 23-42
Author(s):  
Pham Đinh Phong
Keyword(s):  
Time Series ◽  
Historical Data ◽  
Time Series Forecasting ◽  
Fuzzy Time Series ◽  
Forecasting Model ◽  
Logical Relationship ◽  
Forecasting Models ◽  
Model Based ◽  
Time Invariant ◽  
Fuzzy Logical

The fuzzy time series (FTS) forecasting models have been being studied intensively over the past few years. Most of the researches focus on improving the effectiveness of the FTS forecasting models using time-invariant fuzzy logical relationship groups proposed by Chen et al. In contrast to Chen’s model, a fuzzy set can be repeated in the right-hand side of the fuzzy logical relationship groups of Yu’s model. N. C. Dieu enhanced Yu’s forecasting model by using the time-variant fuzzy logical relationship groups instead of the time-invariant ones. The forecasting models mentioned above partition the historical data into subintervals and assign the fuzzy sets to them by the human expert’s experience. N. D. Hieu et al. proposed a linguistic time series by utilizing the hedge algebras quantification to converse the numerical time series data to the linguistic time series. Similar to the FTS forecasting model, the obtained linguistic time series can define the linguistic, logical relationships which are used to establish the linguistic, logical relationship groups and form a linguistic forecasting model. In this paper, we propose a linguistic time series forecasting model based on the linguistic forecasting rules induced from the linguistic, logical relationships instead of the linguistic, logical relationship groups proposed by N. D. Hieu. The experimental studies using the historical data of the enrollments of University of Alabama observed from 1971 to 1992 and the daily average temperature data observed from June 1996 to September 1996 in Taipei show the outperformance of the proposed forecasting models over the counterpart ones.

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

A New Type 2 Fuzzy Time Series Forecasting Model Based on Three-Factors Fuzzy Logical Relationships

2019 ◽  
Vol 27 (02) ◽  
pp. 251-276 ◽  
Author(s):  
Abhishekh ◽  
Surendra Singh Gautam ◽  
Shiva Raj Singh
Keyword(s):  
Time Series ◽  
Historical Data ◽  
Time Series Forecasting ◽  
Fuzzy Time Series ◽  
Forecasting Model ◽  
Logical Relationship ◽  
New Type ◽  
Accuracy Rates ◽  
Fuzzy Logical

The study of fuzzy time series models have been extensively used to improve the accuracy rates in forecasting problems. In this paper, we present a new type 2 fuzzy time series forecasting model based on three-factors fuzzy logical relationship groups. The proposed method uses a new technique to define partitions the universe of discourse into different length of intervals for different factors. Also, the proposed method fuzzifies the historical data sets of the main factors, second factors and third factors to their maximum membership grades obtained by their corresponding triangular fuzzy sets and construct the fuzzy logical relationship groups which is based on the three-factors to enhance in the forecasting accuracy rates. This paper introduces a new defuzzification technique based on their frequency occurrences of fuzzy logical relationships in fuzzy logical relationship groups. The fitness of the propose method is verified in the forecasting of Bombay Stock Exchange (BSE) Sensex historical data and compare in terms of root mean square and average forecasting errors which indicates that the proposed method produce more accurate forecasted output over the existing models in fuzzy time series.

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.

scholarly journals Forecasting Tourist Arrival in the Province of Surigao del Sur, Philippines using Time Series Analysis

2019 ◽  
Vol 3 (3) ◽  
Author(s):  
Ruby Mae Ebuna Maliberan
Keyword(s):  
Time Series ◽  
Time Series Analysis ◽  
Forecast Model ◽  
Mean Absolute Percentage Error ◽  
Actual Data ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Increasing Trend ◽  
The Mean

The study attempted to forecast the number of tourist arrival in the province of Surigao del Sur using the historical monthly tourist arrival data from 2012-2016 using three time series. Findings showed that the tourist arrival in the province is likely to be increasing. As more foreign and local tourist arrivals are expected as a result of forecast model. Furthermore, it showed that there was a long term increasing trend of the tourist arrival in the province. Results revealed that the Mean Absolute Percentage Error (MAPE) of the forecasted tourist arrival data yielded an error of 11 % which means that predicted data is closer to the actual data. Based on the findings of the study, the researcher recommends that this study can be adapted by other Tourism Office of CARAGA, Philippines. 

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

Sign in / Sign up

Export Citation Format

Share Document