Metode Peramalan Fuzzy Time Series – Markov Chain dengan Optimasi Interval Menggunakan Algoritma Fuzzy Subtractive Clustering (FSC)

Abstract

Fuzzy time series- markov chain merupakan metode peramalan dimana nilainilainya di presentasikan dengan himpunan fuzzy yang kemudian di modifikasi dengan markov-chain. Peramalan dengan metode ini menggunakan partisi semesta pembicaraan untuk membentuk himpunan fuzzy, karena banyak partisi interval dapat mempengaruhi akurasi peramalan maka semesta pembicaraan di partisi menggunakan fuzzy subtractive clustering yang merupakan algoritma pengelompokan tidak terawasi. Solusi dari metode ini diperoleh dengan melakukan fuzzifikasi data historis ke dalam himpunan fuzzy yang dibentuk berdasarkan partisi interval, menentukan relasi fuzzy serta membentuk grup relasi fuzzy berdasarkan current state yang sama. Selanjutnya dihitung hasil peramalan berdasarkan matriks transisi dan menghitung nilai penyesuaian sehingga diperoleh hasil peramalan akhir. Dari hasil perhitungan pada harga saham diperoleh banyak interval optimal 64, 74 dan 76 untuk masing-masing harga penutupan, harga pembukaan dan harga saham tertinggi dimana hasil peramalan yang diperoleh untuk periode selanjutnya adalah 𝑅𝑝.1485, 𝑅𝑝.1505,625, 𝑅𝑝.1520. Berdasarkan hasil pengujian yang dilakukan, dapat diketahui bahwa metode fuzzy time series - markov chain dan algoritma fuzzy subtractive clustering memberikan akurasi ramalan yang sangat baik berdasarkan nilai AFER yakni 2,1506%, 2,9296%, 1,9804% dan MSE yakni 31,183, 50,605, 37,720.