Metode Automatic clustering-fuzzy logical relationships pada Peramalan Jumlah Penduduk di Kota Makassar
(1) Jurusan Matematika FMIPA Universitas Negeri Makassar, 90224
(2) Jurusan Matematika FMIPA Universitas Negeri Makassar, 90224
(3) Jurusan Matematika FMIPA Universitas Negeri Makassar, 90224
(*) Corresponding Author
DOI: https://doi.org/10.35580/jmathcos.v1i2.9242
Abstract
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,TeoriFuzzy
Abstract.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
Full Text:
PDFReferences
Abdy, M. (2008). Dasar-Dasar Teori Himpunana Kabur dan Logika Kabur, Makassar: Badan Penerbit UNM.
Badan Pusat Statistik Kota Makassar. (2016). Kota Makassar Dalam Angka 2016. Makassar: BPS Kota Makassar.
Chen SM, Wang NY, & Pan J R. (2009). Forecasting Enrollments Using Automatic Clustering Techniques and Fuzzy Logic relationships. An International Journal of Expert Systems With Applications, 33(1). 1-17.
Endaryati, B., & Kurniawan, R. (2015). Komparasi Metode Automatic clustering Technique and Fuzzy logical relationships dan Single Exponential Smoothing. Media Statistika, 8(2).
Kurniawan, R. (2011). Metode Automatic clustering – Fuzzy Logic Relationships untuk Peramalan Data Univariate. (Tesis, tidak dipublikasikan) Surabaya: Institut Teknologi Sepuluh November.
Kurniawan, R. (2014) . Perbandingan Peramalan Wisatawan di Bali dengan Metode Arima dan Automatic clustering – Fuzzy logical relationships. Jurnal Statistika & Komputasi Statistik, 1.
Lee. W.L., Wang. L.H., dan Chen. S.M., (2007), Temperature Prediction and TAIFEX Forecasting Based on Fuzzy Logical Relationships and Genetic Algorithm, Expert Systems with Application, 33. 539-550.
Rahanimi. (2010). Peramalan Jumlah Mahasiswa Pendaftar Pmdk Jurusan Matematika Menggunakan Metode Automatic clustering Dan Relasi Logika Fuzzy (Studi Kasus Di Institut Teknologi Sepuluh Nopember Surabaya). (Skripsi, tidak dipublikasikan). Institut Teknologi Sepuluh November, Surabaya.
Raharja, A., Angraeni, W., & Aulia, R. V. (2010). Penerapan Metode Exponential Smoothing Untuk Peramalan Penggunaan Waktu Telepon di PT. Telkomsel DIVRE. Jurnal Sistem Informasi, (6).
Robandi, I. (2006). Desain Sistem Tenaga Modern – Optimasi – Logika Fuzzy – Algoritma Genetika. Yogyakarta: Andi Publisher.
Song, Q. dan Chissom, B.S. (1993), Fuzzy time series and its models, Fuzzy Sets and System, 54(3). 269-277
Article Metrics
Abstract view : 1017 times | PDF view : 116 timesRefbacks
- There are currently no refbacks.
Copyright (c) 2019 Journal of Mathemathics, Computation, and Statistics
Indexed by:
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.