<![CDATA[Permasalahan forecasting dengan menggunakan data runtun waktu sangat sulit untuk dilakukan dikarenakan fluktuasi data yang sangat besar. Dilain sisi ada banyak data runtun waktu yang kita jumpai dalam kehidupan sehari-hari. Misalnya data runtun harga emas, harga saham, jumlah penumpang. Penelitian ini bertujuan untuk mengoptimalkan kinerja forecasting jumlah penumpang pesawat udara dengan memadukan dua metode. Data yang digunakan yaitu data runtun waktu jumlah kedatangan penumpang pesawat udara selama 14 tahun. Data data tersebut akan dibentuk pola data dengan dua belas variable input dan satu target. Dua belas bulan tahun pertama data sebagai inputan dan bulan pertama untuk tahun berikutnya sebagai target. Pola data yang terbentuk 156, selanjutnya akan dibagi menjadi dua bagian yaitu pola data latih dan pola data uji. Untuk mendapatkan proporsi persentasi pembagainnya maka dilakukan 7 skenario, dan scenario kedua terpilih dengan proporsi 62 dan 94. Metode yang digunakan yaitu FCM untuk mengkluster data dan ANFIS untuk membentuk mesin inferensi untuk mengenali pola data latih dan pola data uji yang sudah dibentuk. Dari 62 pola data yang digunakan untuk melatih mesin inferensi dilakukan optimasi pola data kesepuluh dan kedua puluh enam dikarenakan memiliki error terbesar. Hasil optimasi pola data latih signifikan pada hasil Mape dari 6.9% menjadi 6.3%. Hasil pengujian mesin inferensi menggunakan pola data uji menghasilkan MAPE 7.4%. Kesimpulannya mesin inferensi yang dibangun dengan metode hybrid fuzzy yaitu kombinasi FCM dan ANFIS mampu mengenali pola data uji yang dirancang dengan akurasi 92,6% serta optimasi pola data latih sangat signifikan dalam mengoptimalkan kinerja mesin inferensi.]]>
Copyrights © 2020
