Penerapan metode automatic clustering and fuzzy logical relationship untuk prediksi kurs rupiah terhadap dollar amerika
Kode Repository :SKI283/LID/17
NPM :065113340
Nama :Lidia juwita respati
Pembimbing 1 :-Iyan Mulyana, M.Kom
Pembimbing 2 :-Aries Maesya M.Kom
Abstrak :-PENERAPAN METODE AUTOMATIC CLUSTERING AND FUZZY LOGIC RELATIONSHIP UNTUK PREDIKSI KURS RUPIAH TERHADAP DOLLAR AMERIKA
Lidia Juwanita Respati, Iyan Mulyana1, Aries Maesya2.
Program Studi Ilmu Komputer - FMIPA Universitas Pakuan
Jl.Pakuan PO BOX 452, Bogor
Telp/Fax (0251) 8375 547
Email: lidiajuwanita15@gmail.com
ABSTRAK
Penelitian ini membahas tentang metode prediksi data kurs rupiah terhadap dollar Amerika. Penelitian untuk prediksi memang telah lama dilakukan, yaitu menggunakan metode Fuzzy Time Series (FTS) diperkenalkan oleh Song dan Chissom (1993). Kemudian dikembangkan dua FTS (1993, 1994) yaitu invariant fuzzy time series dan variant time series untuk meramalkan jumlah pendaftaran mahasiswa pada Universitas Alabama, namun keakuratan metode Song dan Chissom belum dikatakan baik, disamping itu metode Song dan Chissom memiliki kelemahan yaitu penentuan panjang interval yang tetap memiliki keakuratan peramalan yang lebih rendah. Penelitian terbaru dilakukan oleh Wang, Chen dan Pan (2009), memperkenalkan sebuah metode Automatic Clustering And Fuzzy Logic Relationship (ACFLR) penelitian untuk meramalkan beban listrik jangka pendek pada sistem kelistrikan Jawa Barat dan Bali yang dilakukan oleh Bagus Handoko (2010). Berdasarkan apa yang telah dipaparkan. Maka di penelitian ini, akan menggunakan metode yang diusulkan oleh Wang, Chen dan Pan, Automatic Clustering And Fuzzy Logic Relationship untuk meramalkan nilai tukar rupiah terhadap dolar Amerika dan melihat bagaimana ketepatan metode dengan mengevaluasi hasil dari peramalan dengan menggunakan MAPE (Mean Absolute Percentage Error) dengan meng-aplikasikan algoritma automatic clustering untuk membentuk clustering-based intervals dan membentuk panjang tiap interval yang berbeda.
Kata kunci : ACFLR, Kurs, MAPE, Fuzzy Times Series.