?

FITTING MODEL PADA DATA JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR MENGGUNAKAN METODE FUZZY TIME SERIES CHEN DAN HSU

DIAN, PERMANA (2014) FITTING MODEL PADA DATA JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR MENGGUNAKAN METODE FUZZY TIME SERIES CHEN DAN HSU. Other thesis, INSTITUT PERTANIAN BOGOR.

[img]
Preview
Text (FITTING MODEL PADA DATA JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR MENGGUNAKAN METODE FUZZY TIME SERIES CHEN DAN HSU)
34.pdf - Published Version
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (8MB) | Preview

Abstract

Peramalan merupakan kegiatan yang dilakukan untuk memprediksi nilai suatu variabel di masa yang akan datang. Tujuan dari penelitian ini adalah memprediksi jumlah mahasiswa baru Institut Pertanian Bogor dengan menggunakan metode fuzzy time series yang diusulkan oleh Chen (CFTS) (2004) dan metode fuzzy time series yang dideskripsikan oleh Steven (SFTS) (2013) serta membandingkan kedua metode tersebut dengan cara melihat tingkat kesalahan hasil prediksi menggunakan Mean Absolute Percentage Error (MAPE). Metode fuzzy time series adalah sebuah metode peramalan yang menggunakan himpunan fuzzy sebagai dasar dalam proses prediksinya. Metode CFTS dan SFTS memiliki beberapa perbedaan sehinga hasil yang didapat juga berbeda. Hasil yang didapat menggunakan metode CFTS yaitu sebesar 0.96% sedangkan metode SFTS sebesar 2.96%, sehingga dapat disimpulkan bahwa metode CFTS memiliki tingkat kesalahan yang lebih kecil dalam memprediksi jumlah mahasiswa baru Institut Pertanian Bogor. Kata kunci: fuzzy time series, jumlah mahasiswa baru Institut Pertanian Bogor, mean absolute percentage error.

Item Type: Thesis (Other)
Subjects: A General Works > AS Academies and learned societies (General)
Divisions: Fakultas Matematika dan Komputer > Prodi Matematika
Depositing User: Rizki Handayani S.I.Pust
Date Deposited: 05 Jul 2019 19:36
Last Modified: 05 Jul 2019 19:36
URI: http://repository.unugha.ac.id/id/eprint/371

Actions (login required)

View Item View Item