<![CDATA[Ketidakpastian dan volatilitas data seringkali menjadi hambatan utama dalam menghasilkan peramalan yang akurat menggunakan model statistik konvensional. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa metode Analisis Regresi Fuzzy dengan metode Regresi Linier Klasik (Ordinary Least Squares/OLS) dalam melakukan peramalan masa depan. Proses peramalan pada model fuzzy dilakukan melalui penghitungan output menggunakan koefisien fuzzy yang kemudian ditransformasikan menjadi nilai titik (crisp) melalui metode defuzifikasi Centre of Gravity (CoG). Hasil analisis menunjukkan bahwa Regresi Fuzzy memiliki tingkat kesesuaian data (goodness of fit) yang lebih unggul dengan nilai Root Mean Square Error (RMSE) sebesar 0,52, jauh lebih rendah dibandingkan model OLS yang menghasilkan RMSE sebesar 2,11. Selain itu, dari sisi pengelolaan ketidakpastian, Regresi Fuzzy terbukti lebih efisien dengan rata-rata lebar pita prediksi (fuzzy spread) sebesar 2,62, yang lebih presisi dan dinamis dibandingkan interval kepercayaan OLS sebesar 4,2. Penelitian ini menyimpulkan bahwa Analisis Regresi Fuzzy mampu mengakomodasi kekaburan data secara lebih efektif dan memberikan hasil proyeksi yang lebih representatif bagi pengambilan keputusan dibandingkan pendekatan linier klasik.]]>
Copyrights © 2025
