Peramalan dengan Metode FuzzyTime Series.

Karena tidak terdapat relasi logikafuzzyyang memiliki keadaan sekarang yang sama, maka tidak perlu dilakukan pengelompokan. Selanjutnya dilakukan penghitungan terhadap peramalan jumlah peminat. Diperoleh hasil sebagai berikut: Tabel 3.2 Hasil peramalan jumlah peminat dengan Metode Automatic Clustering- Relasi Logika Fuzzy. Tahun Jumlah Peminat Hasil peramalan Error 2004 484 2005 479 481 -2 2006 466 467 -1 2007 507 505 2 2008 211 214 -3 2009 320 328 -8 2010 309 310 -1 2011 442 444 -2 2012 444

3.4.2 Peramalan dengan Metode FuzzyTime Series.

Definisikan semesta U sebagai [ � ��� − � 1 , � �� x + � 2 ] Dengan � ��� = 211 dan � ��� = 507. Berdasarkan � ��� dan � ��� dipilih: � 1 = 1 dan � 2 = 3 Sehingga, didefinisikan semesta U sebagai [ 210, 510]. Selanjutnya membagi semesta ke dalam p panjang interval. Dipilih � = 20. � 1 = [210, 225 � 2 = [225, 240 � 3 = [240, 255 � 4 = [255, 270 � 5 = [270, 285 � 6 = [285, 300 � 7 = [300, 315 � 8 = [315, 330 � 9 = [330, 345 � 10 = [345, 360 Universitas Sumatera Utara � 11 = [360, 375 � 12 = [375, 390 � 13 = [390, 405 � 14 = [405, 420 � 15 = [420, 435 � 16 = [435, 450 � 17 = [450, 465 � 18 = [465, 480 � 19 = [480, 495 � 20 = [495, 510] Selanjutnya dicari titik tengah dari masing-masing interval.Diperoleh, � 1 = 217,5 � 2 = 232,5 � 3 = 247,5 � 4 = 262,5 � 5 = 277,5 � 6 = 292,5 � 7 = 307,5 � 8 = 322,5 � 9 = 337,5 � 10 = 352,5 � 11 = 367,5 � 12 = 382,5 � 13 = 397,5 � 14 = 412,5 � 15 = 427,5 � 16 = 442,5 � 17 = 457,5 � 18 = 472,5 � 19 = 487,5 � 20 = 502,5 Selanjutnya dilakukan fuzzifikasi terhadap data jumlah peminat. Diperoleh hasil seperti pada Tabel 3.3. Tabel 3.3 Hasil fuzzifikasi jumlah peminat dengan Metode FuzzyTime series Tahun Jumlah Peminat Fuzzifikasi 2004 484 � 19 2005 479 � 18 2006 466 � 18 2007 507 � 20 2008 211 � 1 2009 320 � 8 2010 309 � 7 2011 442 � 16 Universitas Sumatera Utara Dari Tabel 3.3 dapat ditentukan relasi fuzzy. Misalnya, karena fuzzifikasi data jumlah peminat pada tahun 2004 adalah � 19 dan fuzzifikasi data jumlah peminat pada tahun 2005 adalah � 18 maka Relasi Logikafuzzy antara tahun 2004 dan 2005 adalah � 19 → � 18 , dengan � 19 disebut keadaan sekarang dari relasi logikafuzzy dan � 18 disebut keadaan mendatang pada relasi logikafuzzy.Diperoleh hasil sebagai berikut: � 19 → � 18 � 18 → � 18 � 18 → � 20 � 20 → � 1 � 1 → � 8 � 8 → � 7 � 7 → � 16 � 16 → ≠ Karenaterdapat relasi logikafuzzy yang memiliki keadaan sekarang yang sama, maka perlu dilakukan pengelompokan. Kelompok 1: � 1 → � 8 Kelompok 2: � 7 → � 16 Kelompok 3: � 8 → � 7 Kelompok 3: � 16 → ≠ Kelompok 4: � 18 → � 18 , � 20 Kelompok 5: � 19 → � 18 Kelompok 6: � 20 → � 1 Selanjutnya dilakukan penghitungan terhadap peramalan jumlah peminat. Diperoleh hasil seperti pada Tabel 3.4. Universitas Sumatera Utara Tabel 3.4 Hasil peramalan jumlah peminat dengan Metode FuzzyTime series Tahun Jumlah Peminat Hasil peramalan Error 2004 484 - - 2005 479 473 6 2006 466 488 -22 2007 507 488 19 2008 211 218 -7 2009 320 323 -3 2010 309 308 1 2011 442 443 -1 2012 - 443 - Perbandingan hasil peramalan dengan menggunakan Metode Automatic Clustering- Relasi Logika Fuzzy dengan Metode FuzzyTime Series dapat dilihat pada Tabel 3.5 berikut ini. Tabel 3.5 Perbandingan hasil peramalan antara Metode Automatic Clustering-Relasi Logika Fuzzy dan Metode FuzzyTime Series. Tahun Jumlah Peminat Hasil peramalan dengan Metode Automatic Clustering- Relasi Logika Fuzzy Hasil Peramalan dengan Metode FuzzyTime Series 2004 484 - - 2005 479 481 473 2006 466 467 488 2007 507 505 488 2008 211 214 218 2009 320 328 323 2010 309 310 308 2011 442 444 443 MSE 12,43 134,43 Rata-rata error -2,14 -6,43 2012 444 443 Universitas Sumatera Utara BAB 4 KESIMPULAN DAN SARAN

4.1 Kesimpulan