penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari
penyusunnya. Biasanya peramalan secara kualitatif ini didasarkan atas hasil penyelidikan.
2. Peramalan kuantitatif
Yaitu peramalan didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan dibuat sangat bergantung pada metode yang digunakan dalam
peramalan tersebut. Dengan peramalan yang berbeda akan diperoleh hasil peramalan yang berbeda.
Hal yang perlu diperhatikan dari penggunaan metode-metode tersebut, adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh perbedaan atau
penyimpangan antara hasil peramalan dengan kenyataan yang terjadi. Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan atau penyimpangan yang
mungkin terjadi. Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi
sebagai berikut : 1.
Adanya informasi tentang keadaan yang lain. 2.
Informasi tersebut dapat dikuantifikasikan dalam bentuk data. 3.
Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.
2.1.2 Pemilihan Teknik dan Metode Peramalan
Universitas Sumatera Utara
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambil keputusan dan analisa keadaan dalam
mempersiapkan peramalan . Ada enam faktor utama yang diidentifikasi sebagai teknik dan metode paramalan,
yaitu : 1.
Horizon waktu Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing
metode peramalan. Pertama adalah cakupan waktu di masa yang akan datang. Aspek kedua adalah periode untuk peramalan yang diinginkan.
2. Pola data
Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan.
3. Jenis dan model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model
perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.
4. Biaya yang dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan yaitu: biaya-biaya pengembangan, penyimpanan storage
data, operasi pelaksanaan, kesempatan dalam penggunaan teknik-teknik dan metode peramalan.
5. Ketepatan metode peramalan
Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutukan dalam suatu peramalan.
Universitas Sumatera Utara
6. Kemudahan dalam penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan.
2.1.3 Metode Fuzzy Time Series
Fuzzy time series FTS adalah metode peramalan data yang menggunakan prinsip –
prinsip fuzzy sebagai dasarnya. Sistem peramalan dengan FTS menangkap pola dari data yang telah lalu kemudian digunakan untuk memproyeksikan data yang akan datang.
Pertama kali dikembangkan oleh Q. Song dan B.S Chissom pada tahun 1993. Metode ini sering kali digunakan oleh para peneliti untuk menyelesaikan masalah peramalan.
Metode peramalan fuzzy time series adalah metode peramalan yang menggunakan prinsip-prinsip fuzzy sebagai dasarnya. Konsep dasar fuzzy time series
yang diperkenalkan oleh Song dan Chissom 1993a, 1993b, 1994 dengan nilai fuzzy time series direpresentasikan dengan himpunan fuzzy Chen 1998: Didefenisikan U
adalah semesta pembicaraan dengan U = { u
1
, u
2
, u
3
, ... , u
n
}. Sebuah himpunan fuzzy dalam semesta pembiracaraan U dapat direpresentasikan
sebagai berikut: A = f
A
u
1
u
1
+ f
A
u
2
u
2
+ … + f
A
u
n
u
n
dengan f
A
adalah fungsi
keanggotaan dari himpunan fuzzy A, f
A
: U → [0, 1], f
A
u
i
merupakan tingkat keanggotan u
i
dalam himpunan fuzzy A, dan 1 ≤ i ≤ n.
Ahmad Amiruddin Anwary 2011 dalam penelitiannya untuk meramal kurs Rupiah terhadap terhadap Dollar Amerika menggunakan metode fuzzy time series.
Dalam peramalan tersebut dilakukan upaya untuk memprediksi besarnya kurs untuk satu hari ke depan. Permasalahan yang dihadapi adalah cara untuk memprediksi
besarnya kurs yaang menghasilkan nilai prediksi dengan tingkat kesalahan minimal. Penelitian ini menggunakan fuzzy time series FTS untuk memprediksi besarnya kurs.
Universitas Sumatera Utara
Hasilnya berupa data kurs yang terprediksi untuk tiap jenis kurs sampai satu hari ke depan. Tingkat keakuratan hasil prediksi diukur dengan nilai AFER Average
Forecasting Error.
Algoritma fuzzy time series dalam menyelesaikan masalah prediksi adalah sebagai berikut Pousen 2009:
1. Menentukan himpunan semesta universe of discourse dan membaginya ke
dalam interval yang panjangnya sama. Pada tahap ini dicari nilai minimum dan maksimum dari data aktual
[ ] yang akan dijadikan sebagai himpunan semesta data aktual dan kemudian membaginya ke dalam interval
yang sama panjangnya. 2.
Mendefenisikan himpunan fuzzy pada himpunan semesta. Tahap ini mengubah himpunan semesta yang telah terbagi dan masih berupa himpunan bilangan crips
menjadi himpunan fuzzy berdasarkan interval. 3.
Melakukan fuzzifikasi pada data historis. Tahap ini menentukan nilai keanggotaan pada masing-masing himpunan fuzzy dari data historis, dengan nilai
keanggotaan 0 sampai 1. Nilai keanggotaan ini diperoleh dari fungsi keanggotaan yang telah dibuat sebelumnya.
4. Memilih basis model w orde yang paling sesuai dan menghitung operasi fuzzy.
Tahap ini menentukan nilai hasil inferensi fuzzy berdasarkan basis model w orde dengan rumus:
dimana n=w dan m
1
, m
2
, ... , m
n
adalah nilai keanggotaan dari data historis.
2.1.4 Metode Automatic Clustering-Relasi Logika Fuzzy