ADMIRANI, Ica and GERNOWO, Rahmat and SURYONO, Suryono (2016) MODEL HEURISTIC TIME INVARIANT FUZZY TIME SERIES DAN METODE ANALISIS REGRESI UNTUK PREDIKSI LABA DAN ANALISIS VARIABEL YANG MEMPENGARUHI. Masters thesis, Postgraduate Program .
| PDF 1187Kb | |
| PDF 95Kb | |
PDF Restricted to Repository staff only 616Kb | ||
PDF Restricted to Repository staff only 1252Kb | ||
PDF Restricted to Repository staff only 5Mb | ||
| PDF 198Kb | |
| PDF 289Kb |
Abstract
Prediksi laba bertujuan untuk mengetahui prospek perusahaan di masa mendatang supaya tetap eksis menjalankan usahanya. Prediksi metode fuzzy time series mempunyai kemampuan untuk dapat menangkap pola data yang telah lalu untuk memprediksi data yang akan datang tidak membutuhkan sistem yang rumit, sehingga lebih mudah untuk digunakan. Pada penelitian ini membahas tentang prediksi laba menggunakan model heuristic time invariant fuzzy time series dan analisis variabel yang mempengaruhi laba dengan metode analisis regresi linier berganda menggunakan enam variabel data yaitu laba (Y), penjualan (X1), beban pokok penjualan (X2), beban umum dan administrasi (X3), beban penjualan dan pemasaran (X4) dan penghasilan bunga (X5) yang dimasukkan langsung kedalam sistem. Prediksi laba dimulai dengan menentukan semesta pembicaraan dan interval dari data aktual laba, kemudian menentukan himpunan fuzzy dan fuzzifikasi data aktual. Selanjutnya dilakukan hubungan logika fuzzy dan pengelompokan hubungan logika fuzzy terhadap data hasil fuzzifikasi. Setelah itu dilakukan proses prediksi yang terbagi atas dua tahapan yaitu tahap training yang bertujuan untuk menentukan prediktor tren dan tahap testing untuk menentukan hasil prediksi. Dengan menggunakan 24 data sampel laba diperoleh error prediksi dengan menggunakan MAPE sebesar 11,64% dan ditambahkan 13 data laba untuk testing dengan error prediksi 22,27%. Hal ini mengindikasikan bahwa model ini cukup baik digunakan dalam memprediksi laba. Dalam analisis variabel yang mempengaruhi laba diketahui bahwa variabel penjualan paling berpengaruh terhadap laba dibandingkan variabel-variabel yang lain dengan nilai koefisien regresi sebesar 0,976 dan hasil uji signifikansi t terbesar 35,543. Kata kunci : Prediksi laba, heuristic time invariant fuzzy time series, analisis variabel, regresi linier berganda Profit forecasting aims to determine the company's prospects in the future in order to remain exist in doing its business. Prediction method of fuzzy time series has ability to capture the pattern of past data to predict the fu ture of data does not need a complicated system, making it easier to use. In this research discusses profit forecast with heuristic time invariant fuzzy time series model and analysis of variables that affect profit by multiple linear regression analysis method using six data variables are profit (Y), sales (X1), cost of goods sold (X2), general and administrative expenses (X3), selling and marketing expenses (X4) and interest income (X5) directly entered into system. Profit forecasting begins by defining universe of discourse and interval actual data of profit, then determine fuzzy set and actual data fuzzified. Furthermore, fuzzy logical relationship and fuzzy logical relationships group to fuzzified data. After that, the prediction process is carried out consist of two prediction phase there are training phase aimed to determine trend predictor and testing phase to determine prediction results. By using 24 profit data sample resulted prediction error by using Mean Absolute Percentage Error (MAPE) 11,64% and added 13 data for testing obtained prediction error 22,27%. It is indicates that this model is good enough to use in profit forcasting. In analysis of variables that affect profit is known that sales variable most effect on profit than other variables with a regression coefficient 0.976 and largest t significance test results 35.543. Keywords: Profit forecast, heuristic time invariant fuzzy time series, variable analysis, multiple linear regression
Item Type: | Thesis (Masters) |
---|---|
Subjects: | T Technology > Computer engineering. Embedded system. Network. Softwares. Robotics. Multimedia |
Divisions: | School of Postgraduate (mixed) > Master Program in Information System |
ID Code: | 51280 |
Deposited By: | INVALID USER |
Deposited On: | 04 Jan 2017 09:45 |
Last Modified: | 04 Jan 2017 09:45 |
Repository Staff Only: item control page