APLIKASI FUZZY TIME SERIES MARKOV CHAIN DENGAN GAUSSIAN MEMBERSHIP FUNCTION UNTUK MERAMALKAN TINGKAT PENGANGGURAN TERBUKA DI INDONESIA

SALSABILA FARADISA, . (2023) APLIKASI FUZZY TIME SERIES MARKOV CHAIN DENGAN GAUSSIAN MEMBERSHIP FUNCTION UNTUK MERAMALKAN TINGKAT PENGANGGURAN TERBUKA DI INDONESIA. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (226kB)
	Text BAB 2.pdf Restricted to Registered users only Download (935kB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (399kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (617kB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (217kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (221kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (290kB) | Request a copy

Abstract

Peramalan nilai masa depan termasuk bagian dari analisis deret waktu. Metode klasik yang paling penting dari deret waktu adalah fuzzy time series yang kemudian dikembangkan menjadi fuzzy time series Markov chain (FTS-MC). Dalam penerapannya, metode ini bergantung pada representasi fungsi keanggotaan tertentu. Akan tetapi, pada beberapa penelitian, representasi fungsi keanggotaan tersebut sering kali mengalami ambiguitas karena tidak dijelaskan dalam proses perhitungan sehingga berpengaruh pada tingkat akurasi yang dihasilkan. Untuk mengatasi hal tersebut, dapat dipilih fungsi keanggotaan tertentu salah satunya adalah fungsi keanggotaan Gaussian. Fungsi ini merupakan smooth curve yang dapat menghasilkan transisi mulus dalam intervalnya sehingga hasil yang diperoleh dapat mendekati keadaan yang sebenarnya. Pada penelitian ini, metode FTS-MC dengan fungsi keanggotaan Gaussian akan diterapkan untuk meramalkan data tingkat pengangguran terbuka (TPT) di Indonesia. Data tersebut merupakan data publikasi tiap semester tahun 2011-2023 yang berjumlah 25 data. Penelitian ini bertujuan untuk mengetahui efektivitas metode peramalan yang digunakan serta mendapatkan hasil peramalan untuk periode selanjutnya. Dari data yang diolah, didapat bahwa tingkat akurasi peramalan berada pada kategori tinggi karena nilai MAPE dan MSE berturut-turut adalah 4,9% dan 0,118. Berdasarkan hasil tersebut, maka metode ini dapat digunakan untuk meramalkan periode berikutnya yaitu Agustus 2023. Adapun hasil peramalan TPT untuk Agustus 2023 adalah 5,416%. Hal ini berarti, akan terjadi adanya kemungkinan penurunan terhadap tingkat pengangguran terbuka di Indonesia pada periode selanjutnya.*****Forecasting is a part of time series analysis. The most important classical method in time series is fuzzy time series, which was later developed into fuzzy time series Markov chain (FTS-MC). In its application, this method relies on a specific membership function representation. However, in some studies, the representation of these membership functions often becomes ambiguous due to not being explained in the calculation process, thus affecting the resulting accuracy. To overcome this situation, specific membership functions can be selected, and one of them is the Gaussian membership function. This function is a smooth curve that can produce smooth transitions within its interval so that the obtained results can be approach to the actual conditions. In this study, the FTS-MC method with Gaussian membership function will be applied to forecast the unemployment rate data in Indonesia. This data consists of 25 observations published every semester from 2011 to 2023. The aim of this study is to determine the effectiveness of the forecasting method used and to obtain forecasting results for the next period. From the processed data, it is found that the forecasting accuracy is in high category because the MAPE and MSE values are 4,9% and 0,118, respectively. Based on these results, this method can be used to forecast the next period, which is August 2023. The forecasting result for August 2023 is 5,416%. This means that there is a possibility of a decrease in the unemployment rate in Indonesia for the next period.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Ibnu Hadi, M.Si. ; 2). Devi Eka Wardani Meganingtyas, S.Pd., M.Si.
Subjects:	Sains > Matematika
Divisions:	FMIPA > S1 Matematika
Depositing User:	Users 19474 not found.
Date Deposited:	06 Sep 2023 03:13
Last Modified:	06 Sep 2023 03:13
URI:	http://repository.unj.ac.id/id/eprint/40878

Actions (login required)

View Item