Implementasi Metode Fuzzy Time Series untuk Peramalan Jumlah Pengunjung di Benteng Fort Rotterdam

V. Vivianti; Muhammad Kasim Aidid; Muhammad Nusrang

doi:10.35580/variansiunm12904

Implementasi Metode Fuzzy Time Series untuk Peramalan Jumlah Pengunjung di Benteng Fort Rotterdam

V. Vivianti^(1*), Muhammad Kasim Aidid⁽²⁾, Muhammad Nusrang⁽³⁾,

(1) Prodi Statistika FMIPA Universitas Negeri Makassar
(2) Prodi Statistika FMIPA Universitas Negeri Makassar
(3) Prodi Statistika FMIPA Universitas Negeri Makassar
(*) Corresponding Author

DOI: https://doi.org/10.35580/variansiunm12904

Abstract

Abstract, Peramalan merupakan kegiatan yang dilakukan untuk memprediksi nilai suatu variable di waktu yang akan datang. Tujuan dari penelitian ini adalah mengimplementasikan Metode Fuzzy Time Series untuk memprediksi jumlah Pengunjung Benteng Fort Rotterdam. Metode Fuzzy Time Series adalah sebuah metode peramalan yang menggunakan himpunan Fuzzy sebagai dasar dalam Proses prediksi. Tahapan Peramalan dalam penelitian ini adalah mendefinisikan semesta pembicaraan U, menentukan jumlah dan Panjang kelas interval, defuzzifikasi dan mendefenisikan himpunan Fuzzy pada U, melakukan Fuzzifikasi pada data jumlah pengunjung, menentukan Fuzzy logic relationship (FLR), membentuk Fuzzy Logical Relationship Group (FLRG), melakukan defuzzifikasi, dan melakukan perhitungan peramalan. Dalam meramalkan jumlah Pengunjung di Benteng Fort Rotterdam dengan menggunakan Metode Fuzzy Time Series diperoleh hasil peramalan sebanyak 16240,35 atau dibulatkan menjadi 16240 Pengunjung pada bulan selanjutnya, dengan nilai MAPE sebesar 119,93 dan RMSE sebesar 4739,08.

Keywords: Fuzzy, Time Series, Peramalan, Fort Rotterdam

Full Text:

PDF

References

Aswi & Sukarna. 2006. Analisis Deret Waktu: Teori dan Aplikasi. Makassar: Andira Publisher.

Balai Pelestarian Cagar Budaya Makassar. 2013. Bangunan Bersejarah di Kota Makassar.

Chang, P. C., Wang, Y. W., & Liu, C. H. (2007). The development of a weighted evolving fuzzy neural network for PCB sales forecasting. Expert Systems with Applications, 32(1), 86-96.

Chen, S. M. (1996). Forecasting enrollments based on fuzzy time series. Fuzzy sets and systems, 81(3), 311-319.

Fauziah, N., Wahyuningsih, S., & Nasution, Y. N. (2016). Peramalan Mengunakan Fuzzy Time Series Chen (Studi Kasus: Curah Hujan Kota Samarinda). Jurnal Statistika Universitas Muhammadiyah Semarang, 4(2).

Hansun, S. (2012). Peramalan data IHSG menggunakan fuzzy time series. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 6(2).

Haris, M. S. (2010). Implementasi Metode Fuzzy Time Series dengan penentuan interval berbasis rata–rata untuk peramalan data penjualan bulanan. Skripsi tidak dipublikasikan. Malang: Universitas Brawijaya Malang.

Ibo, A. 2018. Sektor Pariwisata Jadi Investasi Unggulan di 2018. https://ww w.liputan6.com/lifestyle/read/3217850/sektor-pariwisata-jadi-investasi-unggulan-di-2018. Diakses tanggal 5 februari 2019.

Kassa, N. N. (2017). Peramalan Jumlah Pengunjung Objek Wisata Benteng Fort Rotterdam dengan Metode Dekomposisi (Doctoral dissertation, FMIPA).

Shim, J. K. 2000. Strategic Business Forecasting: The Complete Guide to Forecasting Real WorldCompany performance. New York: St. Lucies Press.

Song, Q., & Chissom, B. S. (1993). Forecasting enrollments with fuzzy time series—part I. Fuzzy sets and systems, 54(1), 1-9.

Steven, S., Nurdiati, S., & Bukhari, F. (2018). Perbandingan Metode Fuzzy Time Series dan Holt Double Exponential Smoothing Pada Peramalan Jumlah Mahasiswa Baru Institut Pertanian Bogor. Jurnal Matematika Dan Aplikasinya, 12(2).

Susilowati, S., & Sulistijanti, W. (2018). Perbandingan Metode Fuzzy Time Series dengan Metode Box-Jenkins untuk Memprediksi Jumlah Kunjungan Pasien Rawat Inap (Studi Kasus: Puskesmas Geyer Satu). Proceeding of The URECOL, 61-73.

Tauryawati, Mey Lista., M. Isa Irawan. 2014. Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG. Jurnal Sainns dan Seni Pomits. Vol. 3 N0. 2.

Nawangwulan, Maya 2014. Pariwisata Indonesia Unggul di Budaya dan Alam. https://bisnis.tempo.co/read/558179/pariwisata-indonesia-unggul-di-budaya-dan-alam/full&view=ok. Diakses tanggal 5 februari 2019.

Wei, William WS. 2006. Time Series Analysis. New York: Pearson Addison Wesley.

Xihao, S., & L. Yimin. 2008. Average-Based Fuzzy Time Series Models for Forecasting Shanghai Compound Index. World Journal of Modelling and Simulation. Vol. 4: 104-111.