fuzzy - wavelet
TRANSCRIPT
-
8/10/2019 Fuzzy - Wavelet
1/20
TESIS
PENERAPAN PENDEKATAN BARU METODE FUZZY-WAVELET
DALAM ANALISIS DATA RUNTUN WAKTU
A NEW APPROACH OF FUZZY-WAVELET METHODS IM PLEMENTATION
IN TIME SERIES ANALYSIS
SENG HANSUN
09/291957/PPA/02998
PROGRAM STUDI S2 ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2011
-
8/10/2019 Fuzzy - Wavelet
2/20
i
TESIS
PENERAPAN PENDEKATAN BARU METODE FUZZY-WAVELET
DALAM ANALISIS DATA RUNTUN WAKTU
A NEW APPROACH OF FUZZY-WAVELET METHODS IM PLEMENTATION
IN TIME SERIES ANALYSIS
Diajukan untuk memenuhi salah satu syarat memperoleh derajat
Master of Computer Science
SENG HANSUN
09/291957/PPA/02998
PROGRAM STUDI S2 ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2011
-
8/10/2019 Fuzzy - Wavelet
3/20
-
8/10/2019 Fuzzy - Wavelet
4/20
-
8/10/2019 Fuzzy - Wavelet
5/20
iv
PRAKATA
Berkat lindungan dan bimbingan dari Sang Tiratana Buddha, Dhamma, dan
Sangha, akhirnya Tesis dengan judul Pendekatan Baru Metode Fuzzy-Wavelet
dalam Analisis Data Runtun Waktu ini dapat diselesaikan.
Tesis ini disusun sebagai salah satu syarat guna memperoleh derajat Master
of Computer Sciencepada Program Studi S2 Ilmu Komputer Universitas Gadjah
Mada Yogyakarta.
Selama menempuh pendidikan di Program Studi S2 Ilmu Komputer ini,
penulis telah mendapatkan banyak bantuan dan bimbingan, serta dorongan dari
berbagai pihak. Oleh karena itu, pada kesempatan ini penulis ingin mengucapkan
terima kasih kepada:
1. Prof. Drs. Subanar, Ph.D selaku dosen pembimbing utama yang telah
memberikan banyak bantuan dan masukan bagi penulis selama penyusunan
Tesis ini.
2. Tim Penguji yang telah memberikan saran-saran perbaikan yang berharga
untuk penyempurnaan Tesis ini.
3. Seluruh staf pengajar di Program Studi S2 Ilmu Komputer yang telah
memberikan banyak ilmu tambahan bagi penulis selama menempuh
pendidikan.
4. Segenap staf dan karyawan di Program Studi S2 Ilmu Komputer atas bantuan,
pelayanan, dan fasilitas yang disediakan selama penulis menempuh
pendidikan.
5. Rekan-rekan mahasiswa Program Studi S2 Ilmu Komputer yang telah banyak
membantu dan turut mengisi hari-hari penulis.
-
8/10/2019 Fuzzy - Wavelet
6/20
v
6. Sari, atas dorongan moral dan semangat yang tak kenal lelah bagi penulis.
7. Saudara-saudaraku yang telah memberikan dorongan semangat, kasih sayang,
dan bantuan materiil sehingga penulis mampu menyelesaikan pendidikan di
Program Studi S2 Ilmu Komputer ini dengan lancar.
8. Ayah dan Ibu tercinta atas cinta kasih dan kasih sayang yang tidak terbatas.
Semoga Tesis yang telah disusun ini dapat memberikan manfaat baik bagi
penulis sendiri maupun para pembaca pada umumnya. Semoga semua makhluk
berbahagia.
Yogyakarta, Februari 2011
Penulis,
Seng Hansun
-
8/10/2019 Fuzzy - Wavelet
7/20
vi
DAFTAR ISI
HALAMAN JUDUL .................................................................................................. i
HALAMAN PENGESAHAN ..................................................................................... ii
HALAMAN PERNYATAAN .................................................................................... iii
PRAKATA............................................................................................................. iv
DAFTAR ISI .......................................................................................................... vi
DAFTAR GAMBAR .............................................................................................. viii
DAFTAR TABEL ..................................................................................................... x
DAFTAR LAMPIRAN ............................................................................................. xi
INTISARI ..............................................................................................................xii
ABSTRACT .......................................................................................................... xiii
BAB I PENDAHULUAN .......................................................................................... 1
1.1 Latar Belakang dan Permasalahan .............................................................. 1
1.2 Tujuan Penelitian ........................................................................................ 4
1.3 Batasan Masalah ........................................................................................ 4
1.4 Metodologi Penelitian ................................................................................ 5
1.5 Sistematika Penulisan ................................................................................. 6
BAB II TINJAUAN PUSTAKA ................................................................................... 8
BAB III LANDASAN TEORI ................................................................................... 10
3.1 Analisis Data Runtun Waktu ..................................................................... 10
3.2 Fuzzy ........................................................................................................ 12
3.2.1 Himpunan tegas dan himpunan fuzzy ........... .............. ........ ................ 12
3.2.2Fungsi keanggotaan himpunan fuzzy .................................................. 13
3.2.3Operasi standar himpunan fuzzy ........................................................ 14
3.2.4Sistem inferensi fuzzy ......................................................................... 16
3.2.5Fuzzifier.............................................................................................. 17
3.2.6Metode defuzzifikasi .......................................................................... 18
3.2.7Mekanisme inferensi .......................................................................... 193.3 Wavelet .................................................................................................... 21
3.3.1Persamaan skala dan persamaan wavelet .......................................... 22
3.3.2Daubechies wavelet ........................................................................... 23
3.3.3 Haar wavelet ...................................................................................... 24
3.3.4 Maximal Overlap Discrete Wavelet Transform (MODWT)................... 26
-
8/10/2019 Fuzzy - Wavelet
8/20
vii
BAB IV METODE PERAMALAN KONVENSIONAL DAN HYBRID FUZZY-WAVELET ... 31
4.1 Metode Peramalan Fuzzy ......................................................................... 33
4.1.1Fuzzy Time Series ............................................................................... 374.2 Metode Peramalan Fuzzy-Wavelet Popoola ............ .................... ............ .. 39
BAB V PENDEKATAN BARU METODE PERAMALAN HYBRID FUZZY-WAVELET ...... 42
5.1 Pendekatan Baru Metode Peramalan Fuzzy-Wavelet ..................... ........... 42
5.2 Kriteria Pemilihan Metode Peramalan Terbaik ............. ............................. 46
5.2.1MeanSquare Error (MSE) ..................................................................... 46
5.2.2MeanAbsolute Percentage Error (MAPE)............................................... 47
BAB VI ANALISIS DAN RANCANGAN SISTEM ....................................................... 48
6.1 Deskripsi Umum Perangkat Lunak............................................................. 49
6.2 Fuzzy ........................................................................................................ 51
6.3 Fuzzy-Wavelet .......................................................................................... 51
6.4 Pendekatan Baru Fuzzy-Wavelet ............................................................... 53
BAB VII IMPLEMENTASI ...................................................................................... 54
7.1 Lingkungan Implementasi ......................................................................... 54
7.1.1Lingkungan perangkat keras ............................................................... 54
7.1.2Lingkungan perangkat lunak ............................................................... 54
7.2 Implementasi Program ............................................................................. 54
7.2.1 Form Utama ....................................................................................... 55
7.2.2Form Input Data ................................................................................. 56
7.2.3Form Fuzzy ......................................................................................... 60
7.2.4Form Fuzzy-Wavelet Popoola ............................................................. 62
7.2.5Form New Fuzzy-Wavelet ................................................................... 64
BAB VIII HASIL PENELITIAN DAN PEMBAHASAN ................................................. 67
8.1 Data Runtun Waktu yang Digunakan ........................................................ 67
8.2 Kehandalan Metode Peramalan ................................................................ 68
8.3 Tingkat Akurasi Metode Peramalan .......................................................... 71
BAB IX KESIMPULAN DAN SARAN ....................................................................... 73
9.1 Kesimpulan ............................................................................................... 73
9.2 Saran ........................................................................................................ 74
DAFTAR PUSTAKA .............................................................................................. 75
LAMPIRAN ......................................................................................................... 77
-
8/10/2019 Fuzzy - Wavelet
9/20
viii
DAFTAR GAMBAR
Gambar 1.1 Skema pra-pemrosesan dengan wavelet 2
Gambar 3.1 Beberapa representasi kurva fungsi keanggotaan 14
Gambar 3.2 Sistem inferensifuzzy 17
Gambar 3.3 Arsitektur aturan kendalifuzzy 20
Gambar 3.4 WaveletHaar dan Daubechies 25
Gambar 3.5 Skema algoritma piramida MODWT 28
Gambar 4.1 Klasifikasi teorifuzzy 31
Gambar 4.2 Pembagian ruang-ruang inputdan outputke dalam
daerah-daerahfuzzybeserta fungsi keanggotaannya 34
Gambar 4.3 Basis aturanfuzzy 37
Gambar 4.4 Representasi skematik metode peramalanfuzzy-wavelet 39
Gambar 4.5 Prosedur metode peramalan hybrid fuzzy-wavelet 40
Gambar 5.1 Prosedur pendekatan baru metode peramalanfuzzy-wavelet 44
Gambar 5.2 Prosedur metode peramalanfuzzy,fuzzy-waveletPopoola,
dan pendekatan barufuzzy-wavelet 45
Gambar 6.1 Diagram perancangan perangkat lunak 48
Gambar 6.2 Gambaran umum perangkat lunak 49
Gambar 6.3 Diagram alir program utama 50
Gambar 6.4 Diagram alir peramalan denganfuzzy time series 51
Gambar 6.5 Diagram alir peramalan denganfuzzy-waveletPopoola 52
Gambar 6.6 Diagram alir peramalan dengan pendekatan baru
fuzzy-wavelet 53Gambar 7.1 FormUtama program Analisis Data Runtun Waktu 55
Gambar 7.2 Source code formUtama 55
Gambar 7.3 Modul yang digunakan 56
Gambar 7.4 FormInput Data 56
-
8/10/2019 Fuzzy - Wavelet
10/20
ix
Gambar 7.5 Penjelasan fungsi-fungsiform Input Data 57
Gambar 7.6 Fungsi-fungsi dasar dalam pembentukan himpunanfuzzy 57
Gambar 7.7 Fungsi fuzzifikasi dan defuzzifikasi 59
Gambar 7.8 Fungsi pembentukan matriks A dan B MODWT 59
Gambar 7.9 Fungsi perhitungan MSE dan MAPE 60
Gambar 7.10 Form Fuzzy 61
Gambar 7.11 Penjelasan fungsi-fungsiform Fuzzy 61
Gambar 7.12 Source code form Fuzzy 62
Gambar 7.13 Form Fuzzy-WaveletPopoola 63
Gambar 7.14 Penjelasan fungsi-fungsiform Fuzzy-WaveletPopoola 63
Gambar 7.15 Source code form Fuzzy-WaveletPopoola 64
Gambar 7.16 Form New Fuzzy-Wavelet 65
Gambar 7.17 Penjelasan fungsi-fungsiform New Fuzzy-Wavelet 65
Gambar 7.18 Source code form New Fuzzy-Wavelet 66
Gambar A.1 Tampilan awal program 77
Gambar A.2 Tampilanform Input Data 78
Gambar A.3 Tampilanform Input Datahingga langkah ke-9 79
Gambar A.4 Tampilanform New Fuzzy-Wavelet 80
Gambar A.5 Tampilanform Fuzzy-WaveletPopoola 81
Gambar A.6 Tampilanform Fuzzy 82
-
8/10/2019 Fuzzy - Wavelet
11/20
x
DAFTAR TABEL
Tabel 3.1 Keunggulan-keunggulan metode Mamdani dan Sugeno 21
Tabel 3.2 Banyak selang nol padafiltersirkular 28
Tabel 4.1 Contoh lingkup penerapan modelfuzzydan hybriddalam
analisis data runtun waktu 32
Tabel 8.1 Data runtun waktu yang digunakan dalam analisis 67
Tabel 8.2 MSE data runtun waktu yang diterapkan dengan beberapa
metode peramalan 70
Tabel 8.3 MAPE data runtun waktu yang diterapkan dengan beberapa
metode peramalan 72
-
8/10/2019 Fuzzy - Wavelet
12/20
xi
DAFTAR LAMPIRAN
LAMPIRAN A CONTOH PENGGUNAAN PERANGKAT LUNAK
ANALISIS DATA RUNTUN WAKTU 77
LAMPIRAN B SOURCE CODE FORM INPUT DATA 83
LAMPIRAN C MACKEY-GLASS CHAOTIC TIME SERIES 93
LAMPIRAN D IHSG TIME SERIES 94
LAMPIRAN E ISAT TIME SERIES 95
LAMPIRAN F PLASTIC TIME SERIES 97
LAMPIRAN G CARS TIME SERIES 98
-
8/10/2019 Fuzzy - Wavelet
13/20
xii
INTISARI
Penerapan Pendekatan Baru Metode Fuzzy-Wavelet
dalam Analisis Data Runtun Waktu
oleh
Seng Hansun
09/291957/PPA/02998
Dewasa ini berbagai teknik soft computingbanyak digunakan dan diterapkan
dalam analisis data runtun waktu. Salah satunya adalah model hybrid fuzzyyang
didesain dan dikembangkan untuk meningkatkan tingkat akurasi peramalan data
runtun waktu.
Popoola telah mengembangkan suatu model hybrid fuzzyyang menggunakan
transformasi wavelet sebagai alat pra-pemrosesan, yang dikenal dengan nama
metode fuzzy-wavelet. Dalam penelitian ini, diberikan suatu pendekatan baru
dari metode hybrid fuzzy-wavelet yang telah dikembangkan oleh Popoola. Bila
dalam metode fuzzy-wavelet Popoola, suatu sistem inferensi fuzzy dibangun
untuk setiap data hasil dekomposisi, maka dalam pendekatan baru yang
diberikan hanya ada dua sistem inferensifuzzyyang dibangun. Dengan demikian,
jumlah komputasi yang diperlukan dalam analisa data runtun waktu dapat
ditekan.
Penelitian dilanjutkan dengan membangun sebuah perangkat lunak yang
dapat digunakan untuk menganalisis data runtun waktu sesuai dengan metode
peramalan yang diterapkan. Sebagai pembanding digunakan tiga metode
peramalan, yakni metode konvensional fuzzy, fuzzy-wavelet Popoola, dan
pendekatan baru fuzzy-wavelet yang dikembangkan. Perangkat lunak tersebut
dapat digunakan untuk peramalan jangka pendek (single-step forecasting)
maupun jangka panjang, dengan batasan maksimal jumlah data yang dapat
diramal adalah 300, maksimal interval yang dapat dibentuk adalah 7, dan
maksimal level transformasi yang dapat diterapkan adalah 10. Selanjutnya
tingkat akurasi dan kehandalan metode yang diusulkan dibandingkan dengan dua
metode peramalan lainnya, sehingga dapat memberikan gambaran mengenaikehandalan dan keakurasian metode peramalan yang dikembangkan.
Kata kunci:fuzzy, wavelet, data runtun waktu, soft computing
-
8/10/2019 Fuzzy - Wavelet
14/20
xiii
ABSTRACT
A New Approach of Fuzzy-Wavelet Methods Implementation
in Time Series Analysis
by
Seng Hansun
09/291957/PPA/02998
Recently, many soft computing methods have been used and implemented in
time series analysis. One of the methods is fuzzy hybrid model which has been
designed and developed to improve the accuracy of time series prediction.
Popoola has developed a fuzzy hybrid model which using wavelet
transformation as a pre-processing tool, and commonly known as fuzzy-wavelet
method. In this thesis, a new approach of fuzzy-wavelet method has been
introduced. If in Popoolas fuzzy-wavelet, a fuzzy inference system is built for
each decomposition data, then on the new approach only two fuzzy inference
systems will be needed. By that way, the computation needed in time series
analysis can be pressed.
The research is continued by making new software that can be used to
analyze any given time series data based on the forecasting method applied. As a
comparison there are three forecasting methods implemented on the software,i.e. fuzzy conventional method, Popoolas fuzzy-wavelet, and the new approach
of fuzzy-wavelet method. The software can be used in short-term forecasting
(single-step forecast) and long-term forecasting. There are some limitation to the
software, i.e. maximum data can be predicted is 300, maximum interval can be
built is 7, and maximum transformation level can be used is 10. Furthermore, the
accuracy and robustness of the proposed method will be compared to the other
forecasting methods, so that can give us a brief description about the accuracy
and robustness of the proposed method.
Keywords: fuzzy, wavelet, time series, soft computing
-
8/10/2019 Fuzzy - Wavelet
15/20
1
BAB I
PENDAHULUAN
1.1 Latar Belakang dan Permasalahan
Berdasarkan OECD1 Glossary of Statistical Terms, pengertian data runtun
waktu (time series) adalah suatu rangkaian pengamatan berdasarkan urutan
waktu dari karakteristik kuantitatif dari satu atau kumpulan kejadian yang
diambil dalam periode waktu tertentu. Data runtun waktu banyak diterapkan
dalam berbagai bidang kehidupan, seperti sistem Ekonomi, Biologi, Fisika, hingga
bidang Geografi dan Meteorologi. Untuk memahami karakteristik-karakteristik
yang dimiliki oleh data runtun waktu, para peneliti telah mengadopsi metode-
metode analisis data runtun waktu (time series analysis). Salah satu tujuan
analisis data runtun waktu tidak lain adalah untuk menemukan suatu
keteraturan atau pola yang dapat digunakan dalam peramalan kejadian
mendatang.
Untuk memroses data runtun waktu, berbagai teknik soft computing seperti
sistem fuzzy, jaringan saraf (neural networks), algoritma genetika (genetic
algorithm) dan hybrid banyak dikembangkan oleh para peneliti dewasa ini.
Khususnya, banyak model hybridfuzzyyang didesain dan dikembangkan untuk
meningkatkan tingkat akurasi peramalan data runtun waktu dengan
mengembangkan sistem identifikasi dan teknik optimisasi yang digunakan.
Beberapa model di antaranya adalah ANFIS (Adaptive Network-based Fuzzy
Inference System), DENFIS (Dynamic Evolving Neural-Fuzzy Inference System),
GFPE (Genetic Fuzzy Predictor Ensemble), MOHGA (Multi-Objective Hierarchical
1OECD (Organisation for Economic Co-operation and Development) Glossary of Statistical Terms
merupakan kamus istilah yang memiliki definisi dari berbagai terminologi dan konsep penting
dalam bidang Statistika. Definisi dalam OECD Glossary sepenuhnya diambil dari panduan dan
rekomendasi internasional yang ada yang telah dipersiapkan selama dua atau tiga dekade
terakhir oleh organisasi-organisasi internasional (seperti the United Nations, ILO, OECD, Eurostat,
IMF) bekerjasama dengan institusi-institusi dan agensi-agensi lainnya yang bertanggung jawab
atas penyusunan dan penyebarluasan dari data statistik.
-
8/10/2019 Fuzzy - Wavelet
16/20
2
Genetic Algorithm), GEFREX (Genetic Fuzzy Rule Extractor), dan PFS (Probabilistic
Fuzzy System) (Popoola, 2007).
Popoola dkk. (2004), mengembangkan sebuah model hybrid fuzzybaru yang
dapat digunakan dalam menganalisis data runtun waktu. Model yang
dikembangkan menggunakan transformasi waveletuntuk mendekomposisi data
runtun waktu dalam koefisien-koefisien berdasarkan waktu dan pita frekuensi
tertentu. Model hybrid yang menggunakan wavelet sebagai suatu alat pra-
pemrosesan dalam analisis data runtun waktu ini dikenal sebagai metode Fuzzy-
Wavelet.
Gambar 1.1 Skema pra-pemrosesan dengan wavelet(Popoola, 2007)
Dalam metode fuzzy-waveletyang diperkenalkan, suatu data runtun waktu,
xt, ditransformasikan terlebih dahulu ke dalam data hasil (return series) yang
ekuivalen, rt. Selanjutnya data returntersebut mengalami tahap pra-pemrosesan,
yakni didekomposisi menjadi komponen-komponen waveletmenurut levelatau
tingkat tertentu. Komponen-komponen random (dalam hal ini, frekuensi tinggi)
diabaikan, sehingga menghasilkan data return yang baru, rt. Kemudian suatu
model fuzzy dibangun untuk tiap-tiap komponen wavelet yang ada dan
digunakan untuk melakukan peramalan pada tiap komponen. Terakhir, hasil
peramalan dari tiap-tiap komponen digabung kembali untuk menghasilkan
peramalan secara keseluruhan.
-
8/10/2019 Fuzzy - Wavelet
17/20
3
Dari hasil penelitian dan analisis yang dilakukan, Popoola (2007)
menyimpulkan bahwa secara umum tingkat akurasi dan kehandalan data hasil
peramalan dengan menggunakan metode fuzzy-wavelet yang diperkenalkan
mengungguli metode-metode peramalan lainnya, baik metode konvensional
(misal, ARIMA (AutoRegressive Integrated Moving Average), fuzzy) maupun
hybrid (misal, ANFIS (Adaptive Network-based Fuzzy Inference System), GFPE
(Genetic Fuzzy Predictor Ensemble)). Namun demikian tidak berarti bahwa
metode hybrid yang kompleks dapat selalu mengungguli metode konvensional
yang lebih sederhana dalam peramalan data runtun waktu. Dari percobaan yang
dilakukan, ternyata pada beberapa kasus tertentu, model konvensional yang
lebih sederhana terbukti dapat memberikan tingkat akurasi dan kehandalan yang
lebih baik daripada model hybriduntuk peramalan data runtun waktu.
Dalam Tesis ini, akan dilakukan analisis peramalan data runtun waktu melalui
suatu pendekatan baru metode fuzzy-wavelet. Bila dalam metode fuzzy-wavelet
sebelumnya (Popoola dkk., 2004; Popoola, 2007) dibangun suatu model fuzzy
untuk setiap komponen wavelet hasil dekomposisi, maka dalam metode ini
hanya dua model fuzzy yang akan dibangun untuk keseluruhan data hasil
dekomposisi wavelet. Selanjutnya data hasil peramalan yang diperoleh melalui
transformasi wavelettersebut akan diinversikan kembali menjadi data awal hasil
peramalan. Tingkat akurasi dan kehandalan peramalan data runtun waktu
melalui pendekatan baru metode fuzzy-wavelet ini selanjutnya akan dianalisis
dan dibandingkan dengan akurasi dan kehandalan peramalan data runtun waktu
dengan beberapa metode lainnya.
Dari hasil penelitian yang dilakukan diharapkan dapat memberikan gambaran
mengenai tingkat akurasi dan kehandalan peramalan data runtun waktu dengan
menggunakan pendekatan baru metode fuzzy-wavelet yang diperkenalkan,
sehingga pengembangan dan pemanfaatan metode hybrid fuzzy-wavelet ini
dapat diterapkan dalam berbagai bidang kehidupan.
-
8/10/2019 Fuzzy - Wavelet
18/20
4
1.2 Tujuan Penelitian
Tujuan penelitian Tesis ini adalah untuk memperkenalkan dan menerapkan
suatu pendekatan baru metode fuzzy-wavelet dalam peramalan data runtun
waktu (time series). Metode fuzzy-wavelet yang telah dikembangkan oleh
Popoola dkk. (2004, 2007) memang terbukti secara umum dapat memberikan
hasil peramalan dengan tingkat akurasi dan kehandalan yang lebih baik
dibandingkan metode-metode peramalan lainnya. Namun kerumitan dan jumlah
komputasi yang diperlukan untuk melakukan pemrosesan data akan bertambah
seiring dengan tingginya tingkat atau leveltransformasi waveletyang digunakan.
Untuk itu, dalam penelitian ini akan dilakukan pemrosesan data yang lebih
sederhana dengan membangun dua model fuzzyuntuk keseluruhan komponen
data hasil transformasi wavelet. Dengan pendekatan baru yang diperkenalkan ini
diharapkan dapat memberikan data hasil peramalan dengan tingkat akurasi dan
kehandalan yang cukup baik, dengan komputasi yang lebih sederhana.
1.3 Batasan Masalah
Dalam penelitian yang dilakukan, terdapat beberapa batasan masalah yang
digunakan, di antaranya:
1. Data runtun waktu yang digunakan dalam analisis adalah Mackey-Glass
chaotic time seriesdan beberapa data dunia nyata (real world time series
data) yang diunduh dari Time Series Data Library2dan Yahoo! Finance.
2. Keluarga waveletyang digunakan dalam transformasi data runtun waktu
adalah Daubechies 4 dengan metode waveletMODWT (Maximal Overlap
Discrete Wavelet Transform).
3. Metode fuzzy yang digunakan dalam peramalan data adalah fuzzy time
series.
2 Time Series Data Librarymerupakan sebuah situs web yang menyediakan lebih dari 800 koleksi
data runtun waktu yang diambil dari berbagai bidang terapan, mulai dari Pertanian, Produksi,
Penjualan, Ekonomi, hingga Olahraga. Situs Time Series Data Library diciptakan oleh Rob
Hyndman dan dapat diunduh secara bebas di http://robjhyndman.com/TSDL/.
-
8/10/2019 Fuzzy - Wavelet
19/20
5
4. Tingkat akurasi dan kehandalan metode yang diperkenalkan akan
dibandingkan dengan dua metode peramalan lainnya, yakni metode
konvensional fuzzydan metode hybrid fuzzy-waveletyang diperkenalkan
oleh Popoola.
5. MSE (Mean Square Error) digunakan untuk mengukur kehandalan metode
yang diperkenalkan dibandingkan dengan metode-metode peramalan
lainnya.
6. MAPE (Mean Absolute Percentage Error) digunakan untuk mengukur
tingkat akurasi metode-metode peramalan yang digunakan dalam
peramalan data runtun waktu.
1.4 Metodologi Penelitian
Metodologi penelitian yang dilaksanakan dalam penyusunan Tesis ini diawali
dengan motivasi dan dasar teori mengenai analisis data runtun waktu (time
series); himpunan, logika dan sistemfuzzyyang umum dikenal, serta metode dan
keluarga wavelet yang digunakan. Kemudian pembahasan dilanjutkan dengan
pengenalan metode peramalan fuzzy konvensional, serta metode peramalan
hybrid fuzzy-waveletyang diperkenalkan oleh Popoola dkk. (2004, 2007).
Sebuah pendekatan baru metode fuzzy-wavelet yang lebih sederhana akan
dikembangkan dan menjadi fokus utama penelitian yang dilakukan. Selanjutnya
untuk mengetahui tingkat akurasi dan kehandalan pendekatan baru metode
peramalanfuzzy-wavelettersebut akan dilakukan pengecekan dengan beberapa
kriteria pemilihan model peramalan, di antaranya MSE (Mean Square Error) dan
MAPE (Mean Absolute Percentage Error). Tingkat akurasi dan kehandalan
metode fuzzy-wavelet tersebut juga akan dibandingkan dengan beberapa
metode lainnya, yakni metode peramalan konvensional fuzzy dan metode
peramalan hybrid fuzzy-waveletPopoola.
Penelitian dilanjutkan dengan menerapkan metode-metode peramalan yang
telah dipelajari dan dikembangkan ke dalam suatu perangkat lunak. Beberapa
-
8/10/2019 Fuzzy - Wavelet
20/20
6
data runtun waktu di dunia nyata akan diambil sebagai contoh kasus untuk
diterapkan dalam perangkat lunak yang dibangun. Presentasi dan pembahasan
hasil penelitian akan diberikan sebelum penelitian diakhiri dengan kesimpulan-
kesimpulan yang dapat ditarik dari hasil penelitian yang telah dilakukan, serta
saran-saran yang dapat diberikan untuk pengembangan penelitian berikutnya.
1.5 Sistematika Penulisan
Penulisan Tesis ini dibagi dalam 9 (sembilan) bab, dengan rincian masing-
masing sebagai berikut:
BAB I. PENDAHULUAN
berisikan latar belakang dan permasalahan, tujuan penelitian yang
dilakukan, batasan masalah, metodologi penelitian, dan sistematika
penulisan.
BAB II. TINJAUAN PUSTAKA
berisikan tinjauan pustaka yang digunakan dalam penelitian dan
pengembangan sistem yang dibangun.
BAB III. LANDASAN TEORI
berisikan beberapa teori mengenai analisis data runtun waktu (time
series), sistem fuzzy, dan teori wavelet sebagai dasar teori metode
peramalanfuzzy-wavelet.
BAB IV. METODE PERAMALAN KONVENSIONAL DAN HYBRID FUZZY-WAVELET
memperkenalkan metode peramalan data runtun waktu konvensional
fuzzydan hybrid fuzzy-waveletyang dikembangkan oleh Popoola dkk.
BAB V. PENDEKATAN BARU METODE PERAMALAN FUZZY-WAVELET
memperkenalkan pendekatan baru metode peramalan fuzzy-wavelet
yang lebih sederhana. Bab ini dilengkapi dengan catatan mengenai
kriteria pemilihan model peramalan terbaik yang akan digunakan
sebagai dasar analisis.