PEMILIHAN METODE TERBAIK PADA PERAMALAN OMZET PERUSAHAAN DENGAN MENGGUNAKAN METODE FUZZY TIME SERIES LEE DAN FUZZY TIME SERIES MARKOV CHAIN (STUDI KASUS: PERUSAHAAN KEUANGAN NON-BANK)

FADIYAH FEBRYANTY, . (2023) PEMILIHAN METODE TERBAIK PADA PERAMALAN OMZET PERUSAHAAN DENGAN MENGGUNAKAN METODE FUZZY TIME SERIES LEE DAN FUZZY TIME SERIES MARKOV CHAIN (STUDI KASUS: PERUSAHAAN KEUANGAN NON-BANK). Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (123kB)
	Text BAB 2.pdf Restricted to Registered users only Download (796kB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (185kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (323kB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (116kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (70kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (230kB) | Request a copy

Abstract

Berdasarkan data Badan Pusat Statistik Republik Indonesia, terjadi penurunan sebesar 82% - 84% pada pendapatan perusahaan selama masa pandemi Covid-19. Pendapatan berbanding lurus dengan laba, dimana penurunan pada pendapatan akan menyebabkan menurun pula laba yang diperoleh perusahaan sehingga dapat terjadi kerugian atau bahkan kebangkrutan. Oleh karena itu diperlukan suatu data yang dapat merepresentasikan keadaan omzet perusahaan di masa depan untuk dijadikan sebagai landasan dalam membuat strategi bisnis. Tujuan penelitian ini adalah untuk mengetahui metode terbaik diantara Fuzzy Time Series Lee dan Fuzzy Time Series Markov Chain dalam meramalkan omzet perusahaan yang kemudian metode terbaik tersebut akan digunakan untuk meramalkan omzet Januari 2023. Data time series yang digunakan dalam penelitian ini adalah data omzet bulanan sejak Januari 2019 hingga Desember 2022 dari suatu perusahaan keuangan non-bank yang bergerak di bidang penyedia pembiayaan konsumen. Proses olah data dilakukan dengan menggunakan Ms. Excel, dimana tingkat akurasi peramalan dihitung menggunakan MAPE. Metode terbaik ditentukan berdasarkan nilai MAPE terkecil. Hasil penelitian menunjukkan bahwa metode FTS Markov Chain memiliki persentase error yang lebih rendah dibandingkan dengan metode FTS Lee, dimana FTS Lee menghasilkan peramalan dengan persentase error (MAPE) sebesar 1, 9% sementara FTS Markov Chain sebesar 1, 5% yang mengindikasikan bahwa hasil peramalan memiliki tingkat akurasi yang sangat baik. Dengan demikian, peramalan periode Januari 2023 ditentukan menggunakan metode FTS Markov Chain dan diperoleh nilai peramalan omzet periode Januari 2023 yaitu sebesar 57.666.617.586.203. **** Referring to data from the Central Bureau of Statistics of the Republic of Indonesia, there was a decrease of 82%−84% in company revenues during the Covid-19 pandemic. Revenue is directly proportional to profit, where a reduction in revenue will cause a reduction in the profit obtained by the company, hence there can be loss or even bankruptcy. Thus, it is imperative to have data that can represent the company’s future revenue to establish a strategic business foundationas. The aim of this research is to find out the best method between Fuzzy Time Series Lee and Fuzzy Time Series Markov Chain in forecasting company turnover which then the best method will be used to forecast company turnover. The time series data that is used in this research is monthly revenue data from January 2019 to December 2022 from a non-bank financial company that provides consumer financing. The data processing process is conducted using Ms. Excel, where the level of forecasting accuracy is computed using MAPE. The best method is determined based on the smallest MAPE values. The results show that FTS Markov Chain has a lower percentage error compared to the FTS Lee, where the MAPE value is the lowest. FTS Lee produces forecasts with a percentage error (MAPE) of 1, 9% while FTS Markov Chain is 1, 5%, which indicates that the forecasting results have a considerably good level of accuracy. Hence, forecasting for the January 2023 period was determined using the FTS Markov Chain and obtained a turnover forecasting value for the January 2023 period of 57.666.617.586.203.

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 19245 not found.
Date Deposited:	07 Sep 2023 00:44
Last Modified:	07 Sep 2023 00:44
URI:	http://repository.unj.ac.id/id/eprint/40963

Actions (login required)

View Item