Peramalan Mengunakan Fuzzy Time Series Chen
Sinopsis
Forecasting secara umum banyak digunakan pada Data Series atau domain waktu. Banyak sekali metode forecasting yang digunakan dengan segala asumsi yang harus dipenuhi jika menggunakan metode tertentu. Pembahasan kali ini kalian akan mempelajari Matlab- Metode Peramalan Mengunakan Fuzzy Time Series Chen yang sangat mudah dipahami, kalian bisa koq menggunakan Excel dalam melakukan perhitungannya, cuman karena di Matlab lebih mudah asalkan kalian telah pelajari Dasar-Dasar Pemrograman Matlab pada blog ini. Kalian bisa mendapatkan kode utuh secara gratis dengan cara subcribed blog ini ya! ataupun berkirim surel ke sini
DATASET
Dataset yang akan digunakan yaitu terdiri dari data 16 tahun jumlah penduduk
Tahapan-tahapan dalam memprediksi dengan menggunakan metode Fuzzy Time Series (FTS) Model Chen adalah sebagai berikut:
1. Pembentukan himpunan semesta pembicaraan Universes of Discourse (U)
U = [Dmin – D1, Dmax + D2]
dengan D1 dan D2 adalah nilai konstanta.
2. Menentukan interval
Membagi himpunan semesta menjadi beberapa interval dengan jarak yang sama. Untuk mengetahui banyak interval dapat mempergunakan rumus Sturges berikut:
1 + 3,322 log10 (n)
dengan,
n : adalah jumlah data observasi
sehingga membentuk sejumlah nilai linguistic untuk mempresentasikan suatu himpunan fuzzy pada interval-interval yang terbentuk dari himpunan semesta
(U).
U = {U1,U2, U3, ….. , Un}
dengan,
U : himpunan semesta
Ui : Besarnya jarak pada U, untuk I = 1,2,….,n
3. Menentukan Fuzzy Logic Relationship (FLR) dan Fuzzy Logic Relationship Group (FLRG).
Menentukan FLR dan membuat grup sesuai dengan waktu. Contoh jika FLR berbentuk A1 -> A2, A1 -> A1, A1 -> A3, A1 -> A1, maka FLRG yang terbentuk adalah A1 -> A1, A2, A3
4. Melakukan proses Defuzzifikasi dan melakukan perhitungan nilai prediksi.
5. Hitung Tingkat error prediksi dengan menggunakan AFER (Average Forecasting Error Rate)
Selain menggunakan MSE, dalam penelitian ini juga menggunakan perhitungan AFER untuk menghitung tingkat kesalahan. AFER merupakan salah satu perhitungan tingkat error yang dilakukan dengan cara menyatakan persentase selisih antara data aktual dengan data hasil prediksi. Semakin kecil nilai AFER, maka tingkat akurasi yang diberikan untuk prediksi semakin baik.
Berikut source code yang ditulis menggunakan Matlab
Silahkan untuk login ataupun register terlebih dahulu untuk mendapatkan content seluruhnya