Langkah 1 : Memasukkan data yang akan dilakukan peramalan.
Langkah 2 : Menentukan interval dengan menggunakan algoritma
automatic clustering. Langkah 3
: Membentuk dan menentukan relasi logikafuzzy dari interval yang sudah terbentuk.
Langkah 4 : Menghitung nilai ramalannya dari hasil relasi logikafuzzy.
Langkah 5 : Mencari nilai MSE dari hasil peramalan dibandingkan
dengan data aktual.
2.2 Peranan Metode Peramalan
Sejak awal tahun 1960-an, semua jenis organisasi telah menunjukkan keinginan yang meningkat untuk mendapatkan ramalan dan menggunakan sumber daya peramalan
secara lebih baik.
Komitmen tentang peramalan telah tumbuh karena beberapa faktor, yang pertama adalah karena meningkatnya kompleksitas organisasi dan lingkungannya, hal
ini membuat pengambil keputusan semakin sulit untuk mempertimbangkan semua faktor secara memuaskan.
Kedua, dengan meningkatnya ukuran organisasi, maka bobot dan kepentingan suatu keputusan telah meningkat pula, lebih banyak keputusan yang memerlukan
peramalan khusus dan analisis yang lengkap. Ketiga, lingkungan dari kebanyakan organisasi telah berubah dengan cepat. Hubungan yang harus dimengerti oleh
organisasi selalu berubah-ubah dan peramalan memungkinkan organisasi mempelajari hubungan yang baru secara lebih cepat. Keempat, pengambilan individu secara
eksplisit. Peramalan formal merupakan salah satu cara untuk mendukung tindakan yang akan diambil. Kelima, dan mungkin yang terpenting bahwa pengembangan
metode peramalan dan pengetahuan yang menyangkut aplikasinya telah memungkinkan adanya penerapan secara langsung oleh para praktisi dari pada hanya
dilakukan oleh para teknisi ahli.
Universitas Sumatera Utara
Dengan adanya jumlah besar metode peramalan yang tersedia, maka masalah yang timbul bagi para praktisi adalah dalam memahami bagaimana karakteristik suatu
metode peramalan yang cocok bagi situasi pengambilan keputusan tertentu.
Model deret berkala sering kali dapat digunakan dengan mudah untuk meramal, sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih
besar untuk pengambilan keputusan dan kebijaksanaan. Bilamana data yang diperlukan tersedia, suatu hubungan peramalan dapat dihipotesiskan baik sebagai
fungsi dari waktu atau sebagai fungsi dari variabel bebas, kemudian diuji. Langkah penting dalam memilih suatu metode deret berkala yang tepat adalah dengan
mempertimbangkan jenis pola data sehingga metodeyang paling tepat dengan pola tersebut dapat diuji.
Gerakan-gerakan khas dari data time series dapat digolongkan ke dalam empat kelompok utama, yang sering disebut komponen-komponen time series:
1. Gerakan jangka panjang atau sekuler merujuk kepada arah umum dari grafik
time series yang meliputi jangka waktu yang panjang.
2. Gerakan siklis cyclical movements atau variasi siklis merujuk kepada
gerakan naik-turun dalam jangka panjang dari suatu garis atau kurva trend. Siklis yang demikian dapat terjadi secara periodik ataupun tidak, yaitu dapat
ataupun tidak dapat mengikuti pola yang tepat sama setelah interval-interval waktu yang sama. Dalam kegiatan bisnis dan ekonomi, gerakan-gerakan hanya
dianggap siklis apabila timbul kembali setelah interval waktu lebih dari satu tahun.
3. Gerakan musiman seasonal movements atau variasi musim merujuk kepada
pola-pola yang identik, atau hampir identik, yang cenderung diikuti suatu time series selama bulan-bulan yang bersangkutan dari tahun ke tahun. Gerakan-
gerakan demikian disebabkan oleh peristiwa-peristiwa yang berulang-ulang terjadi setiap tahun.
Universitas Sumatera Utara
4. Gerakan tidak teratur atau acak irregular or random movements merujuk
kepada gerakan-gerakan sporadis dari time series yang disebabkan karena peristiwa-peristiwa kebetulan seperti banjir, pemogokan, pemilihan umum, dan
sebagainya. Meskipun umumnya dianggap bahwa peristiwa-peristiwa demikian menyebabkan variasi-variasi yang hanya berlangsung untuk jangka
pendek, namun dapat saja terjadi bahwa peristiwa-peristiwa ini demikian hebatnya sehingga menyebabkan gerakan-gerakan siklis atau hal lain yang
baru. Spiegel,1988
2.3 Keakuratan Hasil Peramalan
