BAB 1 PENDAHULUAN

1.1. LATAR BELAKANG MASALAH
Jumlah penduduk di berbagai negara selalu menjadi bagian penting untuk diperhatikan. Pergerakan dan penambahan penduduk dari latar belakang yang melingkupi seringkali menjadi obyek menarik bagi para peneliti. Pertumbuhan penduduk ditandai dengan adanya perubahan jumlah penduduk disetiap waktu. Seiring berjalannya waktu, karena penerapan suatu komponen dalam suatu masalah akan menghasilkan suatu hasil yang dapat diterima, akan tetapi belum tentu maksimal. Akhirnya muncul sebuah ide yang menginspirasikan sebuah kasus ramalan yang dapat dijadikan bahan penelitian yaitu peramalan jumlah penduduk Kecamatan Bontang Utara menggunakan Fuzzy Time Series . Peramalan adalah perkiraan tentang sesuatu yang akan terjadi pada waktu yang akan datang yang didasarkan pada data yang ada pada waktu sekarang dan waktu lampau . Dengan memahami arti peramalan, maka untuk membuat suatu peramalan yang baik, pertama kali kita harus mencari faktor-faktor yang dapat mempengaruhi veriabel yang akan diramal. Tujuan peramalan jumlah penduduk untuk masa yang akan datang merupakan faktor yang penting sosial, untuk menyusun dan perencanaan kesejahteraan pembangunan kependudukan, ekonomi,

masyarakat di masa mendatang. Fuzzy time series adalah sebuah konsep yang diusulkan oleh Chen (1996) untuk menyelesai-kan masalah peramalan . Metode fuzzy time series ini diusulkan untuk dapat digunakan dalam menyelesaikan permasalahan peramalan jumlah penduduk di Kecamatan Bontang Utara. Fuzzy time series sebagai komponen utama pembangun softcomputing dan terbukti telah memiliki kinerja yang sangat baik untuk menyelesaikan

Page 1

masalah-masalah yang mengandung ketidakpastian. Penerapan suatu komponen dalam suatu masalah akan menghasilkan suatu hasil yang dapat diterima, akan tetapi belum tentu maksimal. Karena fuzzy time series merupakan atas penalaran yang sederhana dan lebih mudah untuk dimengerti oleh manusia. Dengan kelebihan-kelebihan tersebut, penerapan metode di harap dapat membantu fuzzy time series pada peramalan jumlah penduduk di Kecamatan Bontang Utara menyelesaikan masalah-masalah yang mengandung unsur ketidakpastian .

1.2

RUMUSAN MASALAH
Mengacu pada permasalahan yang diuraikan pada latar belakang, maka rumusan masalah dapat ditekankan pada : Seberapa mampu Fuzzy Time Series untuk peramalan jumlah penduduk di Kecamatan Bontang Utara untuk tahun kedepannya pada tahun 2012.

1.3

BATASAN MASALAH
Dalam suatu penelitian diperlukan batasan masalah agar pembahasan tidak meluas. Pada penelitian ini yang menjadi batasan masalah adalah : 1. Data pendukung yang digunakandalam mengerjakan tugas akhir ini adalah data jumlah penduduk di Kecamatan Bontang Utara dari tahun 1998 - 2011. 2.
Peramalan jumlah penduduk yang dilakukan terbatas pada jumlah penduduk di Kecamatan Bontang Utara.

Page 2

1.4

TUJUAN PENULISAN
Tujuan yang ingin dicapai dalam penulisan judul tugas akhir ini adalah : Untuk mengetahui seberapa mampu Fuzzy Time Series melakukan peramalan jumlah penduduk di Kecamatan Bontang Utara untuk tahun kedepannya yaitu tahun 2012.

1.5

MANFAAT PENULISAN
Dengan adanya penelitian yang dilakukan diharapkan dapat memberi manfaat antara lain : 1. Dengan peramalan jumlah penduduk agar dapat mengambil kebijakan-kebijakan apa saja persiapan yang harus dilakukan agar dapat meningkatkan kesejahteraan penduduk suatu wilayah kedepannya seperti penyusunan perencanaan pembangunan,sosial, dan ekonomi. 2. Menambah ilmu pengetahuan dalam penerapan Fuzzy Time Series (FTS) terhadap bidang kependudukan.

1.6

SISTEMATIKA PENULISAN
Sistematika penulisan yang digunakan dalam penyusunan laporan tugas akhir ini adalah sebagai berikut: BAB 1: PENDAHULUAN Bab ini berisi tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan.

Page 3

BAB 2 : TINJAUAN PUSTAKA Membahas sekilas tentang Kecamatan Bonatang Utara, tentang kajian pustaka, dan teori yang berkaitan langsung dengan Fuzzy Time Series ( FTS ). BAB 3 : METODOLOGI PENELITIAN Menjelaskan mengenai proses pengumpulan dan pengolahan data kependudukan baru serta model perancangan yang akan dibuat menggunakan Fuzzy Time Series. BAB 4 : ANALISIS DAN PEMBAHASAN Menjelaskan hasil pengujian sistem yang dibuat, untuk mengetahui kebenaran sistem keseluruhan. BAB 5 : PENUTUP Merumuskan kesimpulan atas semua pembahasan dan analisa serta saran ± saran yang berhubungan dengan masalah yang dibahas untuk pengembangan lebih lanjut.

Page 4

BAB 2 TINJAUAN PUSTAKA

2.1

SEKILAS TENTANG KECAMATAN BONTANG UTARA
Kecamatan Bontang Utara merupakan unsur pelaksana Pemerintah Daerah Kota Bontang yang berada di bawah dan bertanggung jawab kepada Walikota Bontang melalui Sekertaris Daerah Kota Bontang. Dasar Pembentukan Kecamatan Bontang Utara adalah Peraturan Daerah Kota Bontang Nomor 4 Tahun 2001 tentang Pembentukan Oganisasi Kecamatan dan Kelurahan.

2.1.1 Keadaan Umum Wilayah
Letak Geografis dan Wilayah Administrasi Secara geografis KECAMATAN BONTANG UTARA berbatasan dengan: a. b. c. d. Sebalah Utara Sebelah Selatan Sebelah Barat Sebelah Timur : Kabupaten Kutai Timur : Kecamatan Bontang Selatan : Kecamatan Bontang Barat : Selat Makasar

Wilayah Kecamatan Bontang Utara memiliki luas wilayah 3.210 Ha yang terdiri dari 6 Kelurahan, yaitu : a. b. c. d. e. f. Kelurahan Bontang Kuala Kelurahan Bontang Baru Kelurahan Loktuan Kelurahan Gunung Elai Kelurahan Guntung Kelurahan Api-Api : 179 Ha : 708 Ha : 549 Ha : 849 Ha : 358 Ha : 567 Ha

Page 5

Topografi Wilayah KECAMATAN BONTANG UTARA merupakan dataran rendah landai dan bergelombang dengan ketinggian berkisar antara 0 ± 50 meter di atas permukaan laut. Memiliki luas wilayah 3.210 Ha atau 26,46 % dari luas wilayah Kota Bontang, 48 % wilayahnya menempati kawasan dekat pantai yang relatif datar sedangkan pada bagian selatan dan barat merupakan daerah yang mempunyai relief berbukit sampai bergelombang. Secara astronomis letak kedudukan Kota Bontang berada pada posisi 117o 23¶ - 117o 38¶ Bujur Timur dan 0o01¶ - 0o14¶ Lintang Utara .

2.1.2 Visi dan Misi
Visi Sejalan dengan Visi Pemerintahan Kota Bontang, yaitu ´ Terwujudnya Masyarakat yang Berkualitas, mandiri dan sejahtera´, maka visi KECAMATAN BONTANG UTARA adalah : MEWUJUDKAN PELAYANAN PRIMA KEPADA MASYARAKAT DAN PEMERINTAH TINGKAT ATAS DENGAN DASAR PROFESIONALISME DAN KUALITAS KERJA YANG TINGGI Visi tersebut di atas mengandung beberapa makna sebagai berikut : a. Pelayanan Prima maksudnya pelayanan terbaik , yang melebihi diberikan dan melampaui serta mengungguli pihak lain atau b. pelayanan

daripada pelayanan waktu yang lalu.

Pemerintah Tingkat Atas maksudnya pemrintah yang secara structural mengikuti jenjang hierarki yang lebih tinggi dan mempunyai wewenang tugas dan tanggung jawab yang lebih besar.

c. d.

Prifesionalisme maksudnya dapat membedakan antara tugas dinas dan pribadi. Kualitas yang tinggi maksudnya produk/hasil kerja yang dikeluarkan Oleh KECAMATAN BONTANG UTARA dapat memuaskan semua pihak. Page 6

Misi Untuk mewujudkan visi KECAMATAN BONTANG UTARA sebagaimana yang telah ditetapkan tersebut di atas maka dipandang perlu untuk menetapkan beberapa misi yang harus dilaksanakan oleh seluruh jajaran KECAMATAN BONTANG UTARA yaitu sebagai berikut : a. b. c. MENINGKATKAN KINERJA PEGAWAI DAN KUALITAS PELAYANAN MENCIPTAKAN HUBUNGAN KERJA DAN KOORDINASI YANG HARMONIS. MENDORONG TERCAPAINYA KESEJAHTERAAN RAKYAT.

2.1.3 Tugas dan Fungsi
Tugas Sesuai dengan Peraturan Daerah Kota Bontang Nomor : 4 Tahun 2008 Tentang Pembentukan Organisasi Kecamatan dan Kelurahan, Kecamatan Kota Bontang Memiliki Tugas Pokok yaitu : MELAKSANAKAN URUSAN PEMERINTAHAN , PEMBANGUNAN DAN KEMASYARAKATAN DALAM WILAYAH KERJANYA SEBAGAI PERANGKAT DAERAH.

Fungsi Menurut Undang-Undang Nomor : 32 Tahun 2010 tentang Pemerintahan Daerah pasal 126 disebutkan bahwa Kecamatan dipimpin oleh Camat yang dalam pelaksanaan tugasnya memperoleh pelimpahan sebagian wewenang Bupati atau Walikota untuk menangani sebagian urusan otonomi daerah dan melaksanakan tugas umum pemerintahan yaitu:

Page 7

a. b. c. d. e. f. g.

MENGOORDINASIKAN KEGIATAN PEMBERDAYAAN MASYARAKAT. MENGOORDINASIKAN UPAYA PENYELENGGARAKAN KETENTRAMAN DAN KETERTIBAN UMUM. MENGOORDINASIKAN PENERAPAN DAN PENEGASAN PERATURAN PERUNDANG-UNDANGAN. MENGOORDINASIKAN PEMELIRAHAAN PRASARANA DAN FASILITAS PELAYANAN UMUM. MENGORDINASIKAN PENYELENGGARAAN KEGIATAN PEMERINTAHAN DI TINGKAT KECAMATAN. MEMBINA PENYELENGGARAAN PEMERINTAHAN KELURAHAN. MELAKSANAKAN PELAYANAN MASYARAKAT YANG MENJADI RUANG LINGKUP TUGASNYA DAN ATAU YANG BELUM DAPAT DILAKSANAKAN OLEH PEMERINTAHAN KELURAHAN.

h. i. j.

MENGORDINASIKAN PELAKSANAAN KEGIATAN SELURUH UNIT KERJA DI LINGKUNGAN CAMAT. MENYUSUN LAPORAN PELAKSANAAN TUGAS CAMAT SEBAGAI PERTANGGUNGJAWABAN. MELAKSANAKAN TUGAS KEDINASAN LAIN YANG DIBERIKAN OLEH ATASAN.

2.2

KAJIAN PUSTAKA
Seperti diketahui bahwa hampir semua rencana pembangunan perlu ditunjang dengan data jumlah penduduk, persebaran dan susunannya menurut umur penduduk yang relevan dengan rencana tersebut. Data yang diperlukan tidak hanya menyangkut keadaan pada waktu rencana itu disusun, tetapi juga informasi masa lampau dan yang lebih penting lagi adalah informasi perkiraan pada waktu yang akan datang. Data penduduk Page 8

pada waktu yang lalu dan waktu kini sudah dapat diperoleh dari hasil-hasil survei dan sensus, sedangkan untuk memenuhi kebutuhan data penduduk pada masa yang akan datang perlu dibuat proyeksi penduduk yaitu perkiraan jumlah penduduk dan komposisinya di masa mendatang. ( Rani Kumala Dewi , 2009 ) Selama ini metode yang digunakan untuk meramalkan jumlah kunjungan pasien adalah dengan memperkirakan jumlah kunjungan pasien yang akan datang berdasarkan jumlah kunjungan pasien pada tahun sebelumnya yang dilakukan dengan menggunakan Microsoft Excel. Metode tersebut berupa penghitungan nilai alpha pada kurva jumlah kunjungan pasien yang digunakan sebagai parameter variansi jumlah kunjungan pasien yang diperkirakan. Metode yang konvensional tersebut mengakibatkan hasil peramalan yang kurang akurat. Sehingga diperlukan suatu metode peramalan fuzzy time series untuk memprediksi jumlah kunjungan pasien poli bedah di Rumah Sakit Onkologi Surabaya yang lebih tepat untuk menyelesaikan permasalahan tersebut. (Sabrina Irsalina, 2010)

2.3

KAJIAN TEORI
Time Series merupakan data yang terdiri atas satu objek tetapi meliputi beberapa periode waktu misalnya harian, bulanan, mingguan, tahunan, dan lain-lain. Dapat dilihat dari contoh data time series pada data harga saham, data ekspor, data nilai tukar (kurs), data produksi, dan lainlain sebagainya. Jika diamati masing-masing data tersebut terkait dengan waktu (time) dan terjadi berurutan. Misalnya data produksi minyak sawit dari tahun 2000 hingga 2009, data kurs Rupiah terhadap dollar Amerika Serikat dari tahun 2000-2006, dan lain-lain. Dengan demikian maka akan sangat mudah untuk mengenali jenis data itu.

2.3.1 Data Runtun Waktu (Time Series)

Page 9

Data time series juga sangat berguna bagi pengambil keputusan untuk memperkirakan kejadian di masa yang akan datang. Karena diyakini pola perubahan data time series beberapa periode masa lampau akan kembali terulang pada masa kini. Data time series juga biasanya bergantung kepada lag dan selisih. Katakanlah pada beberapa kasus misalnya produksi dunia komoditas kopi pada tahun sebelumnya akan mempengaruhi harga kopi dunia pada tahun berikutnya. Dengan demikian maka akan diperlukan data lag produksi kopi, bukan data aktual harga kopi. Tabel 2.1 akan memperjelas konsep lag yang mempengaruhi data time series.
Produksi Kopi (Ton) 7.562.713 7.407.986 7.876.893 7.179.592 7.582.293 7.276.333

Tahun 2000 2001 2002 2003 2004 2005

Lag -154.727 468.907 -697.301 402.701 -305.960

Tabel 2.1. Produksi dan lag produksi kopi dunia tahun 2000-2005

Data lag tersebut kemudian dapat digunakan untuk melihat pengaruh lag produksi terhadap harga kopi dunia.

2.3.2 Himpunan Fuzzy
Sri Kusumadewi dan Hari Purnomo dalam bukunya menjelaskan bahwa pada dasarnya himpunan fuzzy merupakan perluasan dari himpunan klasik (crips), pada himpunan klasik A suatu elemen akan memiliki 2 kemungkinan keanggotaan yaitu anggota A dinotasikan dengan µA(x). Pada himpunan klasik ada 2 keanggotaan yaitu µA(x) = 1 apabila x merupakan anggota A dan µA(x) = 0 apabila x bukan anggota A.

Page 10

Himpunan Fuzzy memiliki 2 (dua) atribut yaitu : 1. Linguistik , yaitu penamaan suatu group yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti : Muda, Parobaya, Tua.
2.

Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti : 40,25,50, dsb.

2.3.3 Fungsi Keanggotaan Fuzzy
Sri Kusumadewi dan Hari Purnomo dalam bukunya menjelaskan bahwa fungsi Keanggotaan (membership fungsion) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya ( sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara o sampai 1. Salah satu cara yang digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Salah satunya adalah fungsi keanggotaan segitiga. Seperti pada gambar 2.1

Gambar 2.1. Fungsi Kenggotaan Segitiga Adapun Fungsi keanggotaannya adalah sebagai berikut : 0;x ” a atau x • c (x) = (x ± a)/(b - a); a ” x ” b............ (2.1) (c ± x)/(c - b); b ” x ” c

Page 11

2.3.4 Fuzzy Time Series
Perbedaan utama antara fuzzy time series dan konvensional time series yaitu pada nilai yang digunakan dalam peramalan, yang merupakan himpunan fuzzy dari bilangan-bilangan real atas himpunan semesta yang ditentukan. Himpunan fuzzy dapat diartikan sebagai suatu klas bilangan dengan batasan yang samar. Jika U adalah himpunan semesta, U = {u1, u2,----, un}, maka suatu himpunan semesta fuzzy A dari U dedefinisikan sebagai A = fA ( u1 ) / u1 + fA ( u2) / u2 + .....+ fA ( u fA (t =
: )/

u dimana fA adalah fungsi kenggotaan dari A,

U

[0,1] dan 1 ” i ” 0

Sedangkan definisi dari fuzzy time series adalah misalkan Y(t) ...,...,0,1,2, ....), adalah himpunan bagian dari R, yang menjadi himpunan semesta dimana himpunan fuzzy f1 (t) (i = 1,2, ....) telah didefinisikan sebelumnya dan dijadikan F(t) menjadi kumpulan dari f1 (t) (i = 1,2, ....). Maka F(t) dinyatakan sebagai fuzzy time series terhadap T(t) (t=...,0,1,2,.....). Dari definisi di atas, dapat dilihat bahwa F(t) bisa dianggap sebagai variabel linguistik dan f1 (t) (i = 1,2, ....) bisa dianggap sebagai kemungkinan nilai Linguistik dari F (t), dimana f1 (t) (i = 1,2, ....) direpresentasikan oleh suatu himpunan fuzzy. Bisa dilihat juga bahwa F(t) adalah suatu fungsi waktu dari t misalnya, nilai-nilai dari F(t) bisa berbeda pada waktu yang berbeda bergantung pada kenyataan bahwa himunan semesta bisa berbeda pada waktu yang berbeda. Dan jika F(t) hanya disebabkan oleh F(t-1) maka hubungan ini digambarkan sebagai F(t-1) F(t). ( Chen, 1996).

Page 12

Definisi 1 (Fuzzy Time Series) : Jika diketahui Y (t )(t ! ..., 0,1, 2,...) merupakan subset bilangan nyata, adalah semesta pembicaraan dari himpunan fuzzy f i (t )(i ! 1, 2,...) . Jika F (t ) adalah kumpulan dari f i (t )(i ! 1, 2,...) maka F (t ) disebut sebagai Fuzzy Time Series pada Y (t )(t ! ..., 0,1, 2,...) . Definisi 2 (Relasi Fuzzy) : Jika terdapat suatu relasi fuzzy R(t  1, t ) sedemikian rupa sehingga F (t ) ! F (t  1) v R(t  1, t ) dimana ³ v´ adalah suatu operator, maka F (t ) dikatakan ada oleh karena F (t  1) , yang dinyatakan dengan : F (t  1) p F (t ) Operator ³ v ´ dapat berupa komposisi operator fuzzy max-min, min-max, atau operator aritmatika. Jika F (t  1) ! Ai dan F (t ) ! Aj maka hubungan logika antara F (t  1) dan F (t ) dapat dinyatakan dengan : Ai p Aj dimana Ai disebut sisi kiri dan A j adalah sisi kanan relasi fuzzy. Variabel ³t´ menyatakan waktu. Definisi 3 (Relasi Fuzzy Orde N) : 98Diketahui F (t ) adalah FTS (Fuzzy Time Series). Jika F (t ) disebabkan oleh F (t  1), F (t  2),..., F (t  n) maka relasi fuzzy-nya dinyatakan

dengan : F (t  n),..., F (t  2), F (t  1) p F (t ) dan disebut FTS Orde n. Definisi 4 (Time-Invariant FTS) : Jika dianggap F (t ) hanya disebabkan oleh F (t  1) yang dinyatakan dengan F (t  1) p F (t ) maka relasi Fuzzy-nya dapat dinyatakan dengan persamaan :

Page 13

F (t ) ! F (t  1) v R(t  1, t ) Relasi R disebut sebagai model relasi orde 1 dari F (t ) . Jika R(t  1, t ) tidak tergantung pada waktu t (time-invariant) maka untuk waktu yang berbeda t1 dan t2 , R(t1 , t1  1) ! R(t2 , t2  1) , dan F (t ) disebut FTS TimeInvariant. Definisi 5 (Fuzzy Logic Relationship Group/FLRG) : Relasi dengan himpunan fuzzy yang sama pada sisi kiri dapat dikelompokkan ke dalam group relasi. Sebagai contoh, jika diketahui terdapat relasi sebagai berikut : Ai p Aj1 Ai p Aj 2 ... Ai p Ajn

maka dapat dikelompokkan ke dalam group relasi :
Ai p Aj1 , Aj 2 ,..., Ajn

Tahapan peramalan dengan FTS Orde 1 yang diusulkan Chen (1996) : 1. Mendefinisikan Semesta Pembicaraan ( U ) berdasarkan data historis. 2. Membagi U menjadi beberapa interval dengan panjang yang sama. 3. Mendefinisikan himpunan fuzzy pada semesta pembicaraan U. 4. Fuzzifikasi data historis. 5. Identifikasi relasi fuzzy. 6. Membangun group relasi fuzzy (FLRG). 7. Defuzzifikasi output peramalan.

Page 14

CONTOH Tabel 2.2. Data Historis Calon
Tahun 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 Jml Calon 13055 13563 13867 14696 15460 15311 15603 15861 16807 16919 16388 Tahun 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 Jml Calon 15433 15497 15145 15163 15984 16859 18150 18970 19328 19337 18876

Langkah 1 : Mendefinisikan Semesta Pembicaraan U berdasarkan data historis Menentukan Semesta Pembicaraan (U) didasarkan pada kisaran yang tersedia data deret waktu ,menurut aturan Semesta pembicaraan U didefinisikan sebagai :

?Dmin  D1 , Dmax  D2 A ««««.. (2.1)
Dimana : Dmin adalah nilai minimum dari data historis Dmax adalah nilai maksimum dari data historis D1 dan D2 adalah dua bilangan positif yang tepat atau dipilih secara bebas. Dari Tabel 1 diperoleh Dmin = 13055 dan Dmax = 19337. Jika dipilih D1 = 55 dan D2 = 663 maka diperoleh U = [13000, 20000]. Langkah 2 Membagi U menjadi beberapa interval dengan panjang yang sama Pemisahan semesta pembicaraan ke interval dengan panjang yang sama: u1, u2,. . . , um. Jumlah interval yang akan sesuai dengan jumlah variabel linguistik (fuzzy set) A1, A2,. . .Am harus diperhatikan.

Page 15

Jika digunakan 7 (tujuh) himpunan fuzzy, maka semesta pembicaraan U dibagi menjadi 7 (tujuh) interval yang sama panjang sebagai berikut : u1 = [13000,14000], u2 = [14000,15000], u3 = [15000,16000], u4 = [16000,17000], u5 = [17000,18000], u6 = [18000,19000], u7 = [19000,20000] Langkah 3 Mendefinisikan himpunan fuzzy pada semesta pembicaraan U Jika diasumsikan A1 , A2 ,..., Ak adalah himpunan fuzzy yang mengandung nilai linguistik dari variabel linguistik CALON, maka himpunan fuzzy

A1 , A2 ,..., Ak didefinisikan pada semesta pembicaraan U sebagai :
A1 ! a11 / u1  a12 / u2  ...  a1m / um A2 ! a21 / u1  a22 / u2  ...  a2 m / um ............ Ak ! ak1 / u1  ak 2 / u2  ...  akm / um ..........................(2.2)

dimana aij  [0.1], 1 e i e k dan 1 e j e m . Variabel aij adalah derajat keanggotaan dari interval data crisp u j pada himpunan fuzzy Ai . Sebelum mendefinisikan himpunan fuzzy pada U, maka perlu ditetapkan nilai-nilai linguistik pada tiap himpunan fuzzy. Dengan pembagian 7 (tujuh) interval maka dipilih nilai-nilai linguistik sebagai berikut : A1 = Sangat Sedikit A2 = Sedikit A3 = Cukup Sedikit A4 = Cukup A5 = Cukup Banyak A6 = Banyak A7 = Sangat Banyak Kemudian himpunan fuzzy dapat didefinisikan pada U sebagai berikut :

Page 16

A1 A2 A3 A4 A5 A6 A7

! ! ! ! ! !

1/ u1 0 / u1 0 / u1 0 / u1 0 / u1 0 / u1 

0.5 / u2      1/ u2 0 / u2 0 / u2 0 / u2 0 / u2  0.5 / u2 

   

0 / u3 1/ u3 0 / u3 0 / u3 0 / u3 

   

0 / u4 0 / u4 1/ u4 0 / u4 0 / u4 

  

0 / u5 0 / u5 0 / u5 1/ u5 

 

0 / u6 0 / u6 0 / u6 

   

0 / u7 0 / u7 0 / u7 0 / u7 0 / u7

! 0.5 / u1 

0.5 / u3  0.5 / u3 

0.5 / u4  0.5 / u4 

0.5 / u6  0.5 / u6  1/ u6  0.5 / u6 

0.5 / u5  0.5 / u5  0 / u5 

0.5 / u 7  1/ u7

yang dapat digambarkan dengan menggunakan fungsi keanggotaan ´triangular´ pada gambar 2.2 sebagai berikut :

Gambar 2.2 . Fungsi Keanggotaan triangular Langkah 4 Fuzzifikasi data historis Pada kasus peramalan, fuzzifikasi adalah proses identifikasi keterkaitan antara nilai-nilai historis himpunan data crisp dengan himpunan-himpunan fuzzy yang telah didefinisikan pada langkah sebelumnya. Setiap nilai historis data crisp difuzzifikasi ke derajat keanggotaan yang tertinggi. Jika derajat tertinggi yang termasuk dalam suatu variabel waktu historis (misalnya F (t  1) ) terjadi pada himpunan fuzzy Ak maka F (t  1) difuzzifikasi sebagai Ak. Sebagai contoh dari Tabel 1 diketahui jumlah calon di tahun 1971 adalah 13055. Nilai data crisp ini termasuk dalam interval u1. Karena derajat keanggotaan tertinggi dari u1 terjadi pada A1 maka variabel waktu historis F (1971) difuzzifikasi sebagai A1. Aktual

Page 17

jumlah calon di tahun 1974 adalah 14696, yang termasuk dalam interval u2, sehingga F (1974) difuzzifikasi sebagai A2. Hasil fuzzifikasi data historis calon ditunjukkan dalam Tabel 2. Tabel 2.3 Hasil fuzzifikasi Data Historis Calon
Tahun 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 Jml Calon 13055 13563 13867 14696 15460 15311 15603 15861 16807 16919 16388 15433 15497 15145 15163 15984 16859 18150 18970 19328 19337 18876 Interval [13000, [13000, [13000, [14000, [15000, [15000, [15000, [15000, [16000, [16000, [16000, [15000, [15000, [15000, [15000, [15000, [16000, [18000, [18000, [19000, [19000, [18000, 14000] 14000] 14000] 15000] 16000] 16000] 16000] 16000] 17000] 17000] 17000] 16000] 16000] 16000] 16000] 16000] 17000] 19000] 19000] 20000] 20000] 19000] Hasil fuzzifikasi Data Calon A1 A1 A1 A2 A3 A3 A3 A3 A4 A4 A4 A3 A3 A3 A3 A3 A4 A6 A6 A7 A7 A6

Langkah 5 Identifikasi Relasi Fuzzy Jika variabel Time Series F (t  1) difuzzifikasi sebagai Ak dan F (t ) sebagai Am maka Ak direlasikan ke Am yang dinyatakan dengan Ak p Am . Ak adalah keadaan sekarang dan Am adalah keadaan berikutnya. Dari Tabel 2 dapat diketahui bahwa tahun 1971 dan 1972 keduanya difuzzifikasi sebagai A1, yang dapat dinyatakan dengan A1 p A1

Page 18

Himpunan relasi fuzzy dari Tabel 2 ditunjukkan dalam Tabel 3. Tabel 2.4 Relasi Fuzzy Time Series Orde 1
Tahun 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 Hasil fuzzifikasi Data Calon A1 A1 A1 A2 A3 A3 A3 A3 A4 A4 A4 A3 A3 A3 A3 A3 A4 A6 A6 A7 A7 A6 FTS Orde 1 Relasi Fuzzy

F (1971) p F (1972) F (1972) p F (1973) F (1973) p F (1974) F (1974) p F (1975) F (1975) p F (1976) F (1976) p F (1977) F (1977) p F (1978) F (1978) p F (1979) F (1979) p F (1980) F (1980) p F (1981) F (1981) p F (1982) F (1982) p F (1983) F (1983) p F (1984) F (1984) p F (1985) F (1985) p F (1986) F (1986) p F (1987) F (1987) p F (1988) F (1988) p F (1989) F (1989) p F (1990) F (1990) p F (1991) F (1991) p F (1992)

A1 p A1 A1 p A1 A1 p A2 A2 p A3 A3 p A3 A3 p A3 A3 p A3 A3 p A4 A4 p A4 A4 p A4 A4 p A3 A3 p A3 A3 p A3 A3 p A3 A3 p A3 A3 p A4 A4 p A6 A6 p A6 A6 p A7 A7 p A7 A7 p A6

Relasi fuzzy yang muncul lebih dari satu kali diabaikan (dianggap satu jenis relasi), sehingga menjadi seperti yang ditunjukkan dalam Tabel 4.

Page 19

Tabel 2.5 Jenis Relasi Fuzzy Time Series Orde 1
Relasi Fuzzy

A1 p A1 A1 p A2 A2 p A3 A3 p A3 A3 p A4 A4 p A4 A4 p A3 A4 p A6 A6 p A6 A6 p A7 A7 p A7 A7 p A6

Langkah 6 Membangun group relasi fuzzy (FLRG) Jika himpunan fuzzy yang sama direlasikan ke lebih dari satu himpunan maka sisi kanan digabung. Sebagai contoh dari Tabel 4 diketahui bahwa A1 direlasikan ke A1 dan A2. Maka FLRG : A1 p A1 , A2 . FLRG dari Tabel 4 ditunjukkan dalam Tabel 5. Tabel 2.6 FLRG Orde 1
No. 1 2 3 Group FLRG

A1 p A1 A2 p A3 A3 p A3

A1 p A2 A3 p A4

A1 p A1 , A2 A2 p A3 A3 p A3 , A4

Page 20

4 5 6

A4 p A4 A6 p A6 A7 p A7

A4 p A3 A6 p A7 A7 p A6

A4 p A6

A4 p A3 , A4 , A6 A6 p A6 , A7 A7 p A6 , A7

Langkah 7 Defuzzifikasi output peramalan Dengan mengasumsikan data calon F (t  1) difuzzifikasi sebagai Aj , maka output peramalan F (t ) ditentukan oleh beberapa ATURAN sebagai berikut : 1. Jika terdapat relasi one-to-one pada group relasi Aj sehingg Aj p Ak , dan derajat keanggotaan tertinggi dari Ak terjadi pada interval uk maka output peramalan F (t ) adalah sama dengan titik tengah dari uk . 2. Jika Aj kosong sehingga Aj p ˆ dan interval dimana Aj memiliki derajat keanggotaan tertinggi adalah u j maka output peramalan F (t ) adalah sama dengan titik tengah dari u j . 3. Jika terdapat relasi one-to-many pada group relasi A j sehingg
Aj p A1 , A2 ,..., An , dan derajat keanggotaan tertinggi terjadi pada

himpunan u1 , u2 ,..., un , maka output peramalan F (t ) adalah sama dengan rata-rata titik tengah dari u1 , u2 ,..., un . Sebagai contoh, peramalan jumlah calon di tahun 1972 menggunakan fuzzifikasi calon di tahun 1971. Dari Tabel 2 diketahui fuzzifikasi data calon di tahun 1971 adalah A1 . Kemudian dari Tabel 5 diketahui bahwa A1 direlasikan ke A1 dan A2 sehingga A1 p A1 , A2 . Derajat keanggotaan tertinggi yang termasuk dalam A1 dan A2 adalah himpunan dari interval u1 dan u2 dimana u1 = [13000,14000] dan u2 = [14000,15000]. Titik tengah masing-masing interval dimaksud di atas adalah :

Page 21

13000  14000 ! 13500 2 14000  15000 ! 14500 m2 ! 2 m1 ! Dengan menggunakan Aturan 3 maka diperoleh :
defuz. F (1972) ! 13500  14500 ! 14000 2

Secara matematis peramalan dengan menggunakan FTS Orde 1 dinyatakan dengan : F (t ) ! F (t  1) v R(t  1, t ) Sebagai contoh jika diinginkan peramalan jumlah calon di tahun 1980 maka dapat dinyataka dengan : F (1980) ! F (1979) v R(1979,1980) Dengan menggunakan Tabel 2 dan Tabel 5 maka diperoleh : F (1980) ! A4 p A3 , A4 , A6 mid (u3 )  mid (u 4 )  mid (u6 ) 3 ((15000  16000) / 2  (16000  17000) / 2  (18000  19000) / 2 ! 3 15500  16500  18500 ! ! 16833 3 !

defuz. F (1980) ! defuz. A4 p A3 , A4 , A6

Hasil peramalan ditunjukkan dalam Tabel 6. Tabel 2.7. Relasi Himpunan Fuzzy Orde 1
Tahun 1971 1972 1973 Aktual 13055 13563 13867 14000 14000 Ramalan FLRG Titik tengah interval 13500; 14500 13500; 14500 13500; 14500

A1 p A1 , A2 A1 p A1 , A2 A1 p A1 , A2

Page 22

1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992

14696 15460 15311 15603 15861 16807 16919 16388 15433 15497 15145 15163 15984 16859 18150 18970 19328 19337 18876

14000 15500 16000 16000 16000 16000 16833 16833 16833 16000 16000 16000 16000 16000 16833 19000 19000 19000 19000

A2 p A3 A3 p A3 , A4 A3 p A3 , A4 A3 p A3 , A4 A3 p A3 , A4 A4 p A3 , A4 , A6 A4 p A3 , A4 , A6 A4 p A3 , A4 , A6 A3 p A3 , A4 A3 p A3 , A4 A3 p A3 , A4 A3 p A3 , A4 A3 p A3 , A4 A4 p A3 , A4 , A6 A6 p A6 , A7 A6 p A6 , A7 A7 p A6 , A7 A7 p A6 , A7

15500 15500; 16500 15500; 16500 15500; 16500 15500; 16500 15500; 16500; 18500 15500; 16500; 18500 15500; 16500; 18500 15500; 16500 15500; 16500 15500; 16500 15500; 16500 15500; 16500 15500; 16500; 18500 18500; 19500 18500; 19500 18500; 19500 18500; 19500

Untuk meramal jumlah calon di tahun 1993 maka dapat dinyatakan dengan: F (1993) ! F (1992) v R(1992,1993) Dengan basis tahun 1992 maka dari Tabel 2 diperoleh F (1992) ! A6 . Dengan menggunakan Tabel 5 maka diperoleh : F (1993) ! A6 p A6 , A7 mid (u6 )  mid (u7 ) 2 ((18000  19000) / 2  (19000  20000) / 2 ! 2 18500  19500 ! ! 19000 2 ! defuz. F (1993) ! defuz. A6 p A6 , A7

Page 23

2.3.4 FLOWCHART
Pembentukan flowchart sangat penting dalam perancangan sistem agar dapat mempermudah dalam perancangan sistem yang akan dibuat. Flowchart adalah serangkaian bagan-bagan yang menggambarkan alir program. Flowchart atau diagram alir memiliki bagan-bagan yang menggambarkan fungsi tertentu. Bagan, nama dan fungsinya seperti yang disajikan pada Tabel 2.8 berikut : BAGAN NAMA Terminator Flow Preparation Proces FUNGSI
Awal atau akhir program

Arah aliran program Inisialisasi/ pemberian nilai awal

Proses atau pengolahan data

Input/ output data

Input/ output data

Sub program

Sub program

Decision

Seleksi atau kondisi

On page connector

Penghubung bagian-bagian flowchart pada halaman yang sama Penghubung bagian-bagian flowchart pada halaman yang berbeda

Off page connector

Tabel 2.14 Flowchart

Page 24

Flowchart selalu diawali dan diakhiri oleh bagan terminator. Aliran selalu dari atas ke bawah, satu demi satu langkah. Tidak ada proses yang dikerjakan bersamaan, semua dikerjakan satu persatu. Proses yang dilakukan komputer sebenarnya hannya ada 3 proses, yaitu input, proses data dan output. Dengan demikian, ketika ada suatu masalah yang akan diselesaikan dengan suatu software, maka hal yang perlu diidentifikasi adalah input, proses data dan output.

Page 25

BAB 3 METODOLOGI PENELITIAN
3.1. LOKASI DAN WAKTU PENELITIAN

Lokasi Penelitian Dalam penyusunan tugas akhir ini, penulis melakukan penelitian dan pengambilan data jumlah angka kelahiran dan kematian di Kecamatan Bontang Utara yang baru terdaftar di Kantor Kecamatan Bontang Utara , Jalan Awang Long No 6 Bontang. Waktu Penelitian Adapun waktu penelitian dan pengambilan data dilakukan selama penulis melaksanakan Kerja Praktek di Kantor Kecamatan Bontang Utara tanggal 11 Oktober 2010 sampai dengan 11 Januari 2011 selama 12 minggu. Waktu kerja praktek adalah dari hari Senin sampai dengan Jumat, pukul 07.30 sampai dengan pukul 12.00 WITA

3.2.

ALAT BANTU PENELITIAN
Alat bantu yang digunakan dalam penelitian adalah sebagai berikut: 1. 2. 3. Personal Computer/Laptop Printer Software Matlab

Page 26

1.

DATA YANG DIBUTUHKAN
Pada tahap ini, melakukan pencarian data-data mengenai jumlah penduduk pada tahun-tahun sebelumnya yaitu dari tahun 1998-2011 guna untuk meramal jumlah penduduk untuk tahun kedepan pada tahun 2012 . Data tersebut dapat dilihat pada table 3.1 Tabel 3.1 Banyaknya Penududuk di Kecamatan Bontang Utara Tahun 1998 s/d 2011
TAHUN 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 JUMLAH PENDUDUK 36872 38230 39245 39986 41450 46522 48650 51674 53961 54980 64123 72466 73709 78066

Sumber : Dinas Kependudukan Kecamatan Bontang Utara

Page 27

2.

METODE PENGUMPULAN DATA
a. Metode Kepustakaan Mengumpulkan data dengan cara membaca, mempelajari buku-buku serta referensi yang relevan dengan judul yang penulis ambil. b. Metode Sekunder Pengambilan data secara langsung tanpa melakukan pengamatan langsung di Dinas Kependudukan

3.5.

Model Pengolahan Data Awal
Dari data-data yang telah diperoleh dari Kecamatan Bontang Utara mengenai jumlah penduduk dari tahun 1998 s/d 2011 guna untuk meramal jumlah penduduk di tahun kedepannya yaitu tahun 2012 . Pemodelan peramalan jumlah penduduk Kecamatan Bontang Utara menggunakan fuzzy time series. Model fuzzy time series yang digunakan pada penelitian ini adalah model fuzzy time series orde 1 yang digunakan adalah orde-1 yang diusulkan Chen (S.M. CAHEN, Forecasting enrollments based on fuzzy time series, Fuzzy Sets and Systems 81 (1996). Pertama, menentukan semesta pembicaraan (U) didasarkan pada kisaran yang tersedia data deret waktu historis, menurut aturan : U = Dmin í D1, Dmax í D2

Page 28

Dari data historis penduduk

nilai maksimum dan nilai minimum.

Kemudian dipilih suatu bilangan D1 dan D2 sehingga diperoleh interval semesta pembicaraan (U) Kedua, Pemisahan semsta pembicaraan interval dengan panjang yang sama: u1, u2,. . . , um. Jumlah interval yang akan sesuai dengan jumlah variabel linguistik (fuzzy set) A1, A2,. . .Am harus diperhatikan.

3.6.

FLOWCHART

3.6.1. Flowchart Tahapan iteratif penelitian yaitu : Pada bab ini akan dibahas mengenai metode dan tahap-tahap yang digunakan dalam peramalan Jumlah Penduduk Kecamatan Bontang Utara dengan menggunakan Fuzzy Time Series. Adapun tahapan pembuatannya adalah sebagai berikut :

Mulai

Pengelompokan data Penduduk Berdasarkan Tahun

Pemodelan Peramalan Menggunakan Fuzzy Time Series

Tidak

Simulasi dan Analisis

Apakah Model Sudah Sesuai

Page 29

Ya
Implementasi Fuzzy Time Series untuk Peramalan

Selesai

3.7.2. Flowchart Proses Peramalan Menggunakan Fuzzt Time Series yaitu :

Mulai

Mendefinisikan Semsta Pembicaraan Berdasarkan data Historis

Membagi U menjadi beberapa Interval

`
Mendefinisikan Himpunan Fuzzy pada semesta Pembicaraan U

Fuzzifikasi data Historis

Identifikasi Relasi Fuzzy

Membangun group relasi fuzzy (FLRG)

Defuzzifikasi output peramalan

Selesai

Page 30

Gambar 3.3 Flowchart Perancangan Sistem

BAB 4 ANALISIS DAN PEMBAHASAN

Data Historis
TAHUN 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 JUMLAH PENDUDUK 37872 38230 40245 41986 43450 46522 48650 51674 53961 54980 64123 72466 73709 78066

Historis

Langkah 1 : Mendefinisikan Semeta Pembicaraan U berdasarkan Data

Dmin - D1 , Dmax + D2 Dmin : 37872 Dmax : 78066 D1 : 872 D2 : 934 Page 31

Maka diperoleh : U : [37000,79000]

Langkah 2 : Mencari Interval dari membagi semesta pembicaran U
U1 : [12000,13000] U2 : [13000,14000] U3 : [14000,15000] U4 : [15000,16000] U5 : [16000,17000] U6 : [17000,18000] U7 : [18000,19000] U8 : [19000,20000] U9 : [13000,14000] U10 : [14000,15000] U11 : [14000,15000] U12 : [14000,15000] U13 : [14000,15000] U14 : [14000,15000]

Langkah 3 : Mendefinisikan Himpunan fuzzy pada semesta pembicaraan U
A1 = Kurang A2 = Sangat Baik A3 = Sedikit A4 = Cukup Sedikit A5 = Cukup A6 = Cukup banyak A7 = Banyak A8 = Sangat Banyak Mendefinisikan himpunan fuzzy pada U A1 = 1/u1 + 0,5/u2 + 0/u3 + 0/u4 + 0/u5 + 0/u6 + 0/u7 + 0/u8 A2 = 0,5/u1 + 1/u2 + 0,5/u3 + 0/u4 + 0/u5 + 0/u6 + 0/u7 + 0/u8 A3 = 0/u1 + 0,5/u2 + 1/u3 + 0,5/u4 + 0/u5 + 0/u6 + 0/u7 + 0/u8 A4 = 0/u1 + 0/u2 + 0,5/u3 + 1/u4 + 0,5/u5 + 0/u6 + 0/u7 + 0/u8 A5 = 0/u1 + 0/u2 + 0/u3 + 0,5/u4 + 1/u5 + 0,5/u6 + 0/u7 + 0/u8 A6 = 0/u1 + 0/u2 + 0/u3 + 0/u4 + 0,5/u5 + 1/u6 + 0,5/u7 + 0/u8

Page 32

A7 = 0/u1 + 0/u2 + 0/u3 + 0/u4 + 0/u5 + 0,5/u6 + 1/u7 + 0/u8 A8 = 0/u1 + 0/u2 + 0/u3 + 0/u4 + 0/u5 + 0/u6 + 0,7/u7 + 1/u8

Langkah 4 : Hasil Fuzzifikasi data Historis
Thn 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Jumlah data 37872 38230 40245 41986 43450 46522 48650 51674 53961 54980 64123 72466 73709 78066 Interval [37000,40000] [37000,40000] [40000,43000] [40000,43000] [43000,46000] [46000,49000] [46000,49000] [49000,52000] [52000,55000] [52000,55000] [64000,67000] [70000,73000] [73000,76000] [76000,79000] Hasil Fuzzifikasi A1 A1 A2 A2 A3 A4 A4 A5 A6 A6 A10 A12 A13 A14

Langkah 5 : Relasi Fuzzy Time Series Orde 1
Thn 1998 1999 2000 2001 2002 Hasil Fuzzifikasi A1 A1 A2 A2 A3 F(1998) F(1999) F(1999) F(2000) F(2000) F(2001) F(2001) F(2002) A1 A1 A2 A2 A1 A2 A2 A3 FTS Orde 1 Relasi Fuzzy

Page 33

2003 2004 2005 2006 2007 2008 2009 2010 2011

A4 A4 A5 A6 A6 A10 A12 A13 A14

F(2002) F(2003) F(2003) F(2004) F(2004) F(2005) F(2005) F(2006) F(2006) F(2007) F(2007) F(2008) F(2008) F(2009) F(2009) F(2010) F(2010) F(2011)

A3 A4 A4 A5 A6 A6 A10 A12 A13

A4 A4 A5 A6 A6 A10 A12 A13 A14

Relasi Fuzzy A1 A1 A2 A2 A3 A4 A4 A5 A6 A6 A10 A12 A13 A1 A2 A2 A3 A4 A4 A5 A6 A6 A10 A12 A13 A14

Page 34

Langkah 6 : Group Relasi Orde 1
No 1 2 3 4 5 6 7 8 9 A1 A2 A3 A4 A5 A6 A10 A12 A13 A1 A2 A4 A4 A6 A6 A12 A13 A14 A6 A10 A4 A5 Group A1 A2 A2 A3 FLRG A1 A2 A3 A4 A5 A6 A10 A12 A13 A1,A2 A2,A3 A4 A4,A5 A6 A6,A10 A12 A13 A14

Langkah 7 : Defuzzifikasi output peramalan
Tahun 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Aktual 37872 38230 40245 41986 43450 46522 48650 51674 53961 54980 64123 72466 73709 78066 40000 40000 44500 44500 47500 49000 49000 53500 59500 59500 71500 74500 77500 Ramalan FLRG A1 A1 A2 A2 A3 A4 A4 A5 A6 A6 A10 A12 A13 A1,A2 A1,A2 A3 A3 A4 A4,A5 A4,A5 A6 A6,A10 A6,A10 A12 A13 A14 Titik Tengah Interval 38500,41500 38500,41500 44500 44500 47500 47500,50500 47500,50500 53500 53500,65500 53500,65500 71500 74500 77500

Page 35

Untuk meramal jumlah calon penduduk di tahun 2012 maka : F(2012) = F(2011) x R(2011,2012) F(2012) = A14 A14 Defuz.(F(2012)) = defuz. (A14 A14) = mid (U14) 2 = (76000 + 79000) 2 = 77500

Error Peramalan : ™| Pendaftaran Sebenarnya - Peramalan Pendaftaran | × 100% ™|Pendaftaran Sebenarnya
23636 735934 x 100% = 3,2 %

Page 36

BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan
Kesimpulan yang diperoleh selama pengejaan skripsi ini adalah : 1. Jumlah Himpunan fuzzy mempengaruhi error peramalan. 2. Kebaikan metode ini, yaitu : Error dapat diperkecil dan semakin banyak himpunan fuzzy yang digunakan maka error semakin kecil. 3. Kelemahan metode ini, yaitu: Jika kita telah menentukan nilai linguistik sebelum error diketahui, maka ketika nilai errornya telah diketahui dan ternyata nilainya besar, dan akan diperkecil, kita harus menentukan kembali nilai linguistiknya. 4. Penentuan panjang interval yang tidak sesuai (terlalu lebar) pada pembentukan himpunan awal dalam proses peramalan menggunakan metode fuzzy time series dapat mengakibatkan tidek terjadinya fluktuasi dalam proses peramalan, hal ini yang menyebabkan metode fuzzy time series standar dengan jumlah interval tetap memiliki akuransi peramalan lebih rendah.

5.2 Saran
Dalam pengerjaan Tugas Akhir ini tentu tidak lepas dari berbagai kekurangan, yaitu kekurangan dalam perancangan sistem yang telah dibuat. Dalam rangka pengembangan penelitian, saran yang perlu disampaikan dalam Tugas Akhir ini adalah :

Page 37

Melakukan percobaan dengan jumlah data time series yang lebih banyak agar bisa diketahui hasil pengujian yang lebih akurat.

Page 38

DAFTAR PUSTAKA
y Agus Naba, Dr.Eng.2009. Belajar Cepat Fuzzy Logic menggunakan MATLAB. Yogyakarta : Andi y Hartanto,Thomas Wahyu Dwi dan Y. Wahyu Agung Prasetyo. 2003. Analisis dan Desain Sistem Kontrol Dengan MATLAB . Yogyakarta : Andi y Kusumadewi, Sri. 2002. Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab) . Jogjakarta: Graha Ilmu y Robandi, Imam.2003. Desain Sistem Tenaga Modern(Optimasi,Logika Fuzzy,Algoritma Genetika . Yogyakarta:Andi y Makridakis, S, Wheelwright, S dan McGee, V, 1983, Metode dan Aplikasi Peramalan, Erlangga, Jakarta y Sulistiyowati, Nunik. 2004. Tugas Akhir: Penjadwalan Job pada Mesin Menggunakan Algoritma Dannenbring dengan Aplikasi konsep Fuzzy untuk Meminimasi Waktu Penyelesaian Job di PT. Candi Mekar Pemalang Jawa Tengah. Universitas Muhammadiyah Malang. y Widagdo, 2003, Analisis Pengembangan Industri Kecil dengan Menggunakan Pendekatan Fuzzy Clustering Guna Mendukung Pembangunan Daerah Kabupaten Bantul, tugas akhir, Teknik Industri, UPN ³Veteran´ Yogyakarta, Yogyakarta.

Page 39

y

Haris,M, Syauqi,2010. Skripsi :Implementasi Metode Fuzzy Time Series Dengan Penentuan Interval Berbasis Rata-Rata Untuk Peramalan Data penjualan Bulanan. Universitas Barwijaya Malang.

Diakses dari : http://www.musbikhin.com/pengantar-fuzzy-logic (tanggal 23 Juli 2011) http://blog.uin-malang.ac.id/selamethariadi/2010/09/13/sistem-inferensifuzzy-fuzzy-inference-systemfis/ ( tanggal 23 Juli 2011) http://omega1902.blogspot.com/2009/12/matlab.html (tanggal 23 Juli 2011)

JADWAL PENELITIAN

NO 1 2 3 4

KEGIATAN
Penyusunan Proposal Review Proposal Ujian Proposal Pengumpulan Data

JULI

AGUST

SEPT

OKT

NOV

DES

Page 40

5 6 7

Perancangan Sistem Penyusunan dan Bimbingan TA Ujian Sidang TA

Page 41

Page 42

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer: Get 4 months of Scribd and The New York Times for just $1.87 per week!

Master Your Semester with a Special Offer from Scribd & The New York Times