<![CDATA[Metode peramalan Fuzzy Time Series (FTS) merupakan salah satu metode peramalan yang paling banyakdigunakan terutama untuk mengolah data dengan tingkat variasi tinggi dan tidak linier terhadap waktu.Namun, peluang untuk mengembangkan dan memperbaiki kinerja peramalan dengan menggunakan metodeFTS masih terbuka lebar. Kinerja suatu metode peramalan dapat dilihat dari distribusi error-nya. FTS tidakmelihat dan tidak memilah jenis data input seperti apa yang akan diprosesnya menjadi suatu nilaiperamalan, apakah data input-nya memiliki variasi kecil atau besar, atau memiliki data pencilan ( outlier),semuanya di proses untuk menjadi nilai peramalan. Tentu saja jika data input memiliki pencilan, makapencilan itu dapat merusak distribusi error sehingga menjadikan kinerja peramalannya menjadi tidakbagus.Salah satu upaya untuk meningkatkan kinerja peramalan FTS adalah dengan melakukan filterisasi data-datapencilan. Dalam penelitian ini akan dilakukan identifikasi pencilan dengan metode Cook’s Distance,leverage value, DfFITS dan Boxplot untuk meningkatkan kinerja peramalan FTS yang diaplikasikan padaperamalan. Hasil penelitian akan dilakukan observasi perhitungan untuk menentukan metode identifikasipencilan yang paling optimal meningkatkan kinerja peramalan FTS, yaitu yang paling kecil distribusierror-nya. Hasil penelitian menunjukkan bahwa metode yang terbaik untuk memperbaiki kinerja FTSadalah Metode Cook’s Distance dengan nilai MSE dan MAPE yang paling kecil.]]>
