Pengembangan Model Average Based Fuzzy Time Series dengan Induksi Markov Chain untuk Peramalan Data Penggunaan Bandwidth pada Jaringan Komputer
| Main Author: | Noh, Junaidi |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2014
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/155384/ |
| ctrlnum |
155384 |
|---|---|
| fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/155384/</relation><title>Pengembangan Model Average Based Fuzzy Time Series dengan Induksi Markov Chain untuk Peramalan Data Penggunaan Bandwidth pada Jaringan Komputer</title><creator>Noh, Junaidi</creator><subject>004.6 Interfacing and communications</subject><description> 
Peramalan merupakan suatu kegiatan yang dilakukan untuk memperkirakan apa yang akan terjadi pada masa mendatang dengan metode-metode tertentu. Berbagai metode peramalan khususnya pada peramalan time series telah banyak diusulkan dan digunakan. Salah satu diantara metode tersebut adalah model average based fuzzy time series . 
Model average based fuzzy time series merupakan hasil pengembangan dari metode peramalan fuzzy time series standard. Model ini teridiri dari average based yang digunakan sebagai algoritma penentuan interval efektif, serta fuzzy time series yang merupakan algoritma proses logika fuzzy dan perhitungan nilai peramalan pada data time series. 
Meskipun model average based fuzzy time series terbilang baik dan akurat dalam peramalan, namun dari sebagian studi kasus menunjukkan adanya hasil peramalan yang memiliki tingkat akurasi kurang baik jika dibandingkan dengan metode auto regressive integrated moving average (ARIMA). Oleh karena itu perlu dilakukan lagi kajian pengembangan model peramalan tersebut. 
Pengembangan suatu model peramalan bertujuan untuk mendapatkan hasil peramalan yang lebih baik khususnya pada tingkat akurasi peramalan. Pengembangan suatu model peramalan dapat dilakukan dengan menggabungkan beberapa metode menjadi satu model. Pengembangan juga dapat dilakukan dengan menginduksikan kaidah matematis dari metode tertentu ke dalam tahapan algoritma dari metode yang akan dikembangkan. 
Penelitian ini difokuskan pada kajian pengembangan model average based fuzzy time series yang diinduksikan dengan metode Markov chain ke dalam tahapan defuzzyfikasi -nya. Tahapan defuzzyfikasi diinduksikan, karena pada tahapan tersebut terdapat fuzzy logic relation group (FLRG). Pada setiap FLRG, terdapat hubungan antara dua state yang disebut dengan current state dan next state . Current state merupakan nilai yang akan dihitung sebagai hasil peramalan. Sedangkan next state merupakan data yang digunakan sebagai syarat untuk memperoleh hasil pada current state . Karena itu, hubungan tersebut dapat dianggap sebagai proses probabilitas bersyarat dan transisi antar state , yang sejalan dengan prinsip dari metode Markov chain . Markov chain merupakan sebuah proses stokastik, dimana suatu kejadian pada masa mendatang bergantung pada kejadian hari ini dan tidak pada keadaan masa lampau. Markov chain juga terdefinisi oleh matriks probabilitas yang memuat informasi proses transisi dari satu state ke state lainnya. 
Induksi Markov chain ke dalam FLRG model average based fuzzy time series menggunakan aturan R.C . Tsaur . Proses induksi tersebut, dilakukan dengan membuat matriks probabilitas dari setiap current state yang bertransisi dengan next state -nya. Selanjutnya dari matriks probabilitas tersebut, dihitung nilai peramalan F(t). Setelah nilai peramalan diperoleh, kemudian dilanjutkan dengan penyesuaian kecenderungan nilai peramalan, dan selanjutnya dihitung hasil peramalan F`(t). 
Pada penelitian ini, hasil pemodelan diterapkan dalam pengujian peramalan data traffic penggunaan bandwidth internet pada jaringan komputer Universitas Brawijaya Malang. Hasil dari pengujian, kemudian divalidasi dalam bentuk nilai MSE dan MAPE sebagai parameter tingkat akurasi peramalan. Selanjutnya nilai MSE dan MAPE dari model average based fuzzy time series dengan induksi Markov chain, dibandingkan dengan nilai MSE dan MAPE dari model average based fuzzy time series untuk mengetahui tingkat akurasi peramalan. 
Dari hasil pengujian menujukkan bahwa model peramalan average based fuzzy time series dengan induksi Markov chain, memiliki tingkat akurasi peramalan lebih baik dari metode average based fuzzy time series </description><date>2014-12-10</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><identifier> Noh, Junaidi (2014) Pengembangan Model Average Based Fuzzy Time Series dengan Induksi Markov Chain untuk Peramalan Data Penggunaan Bandwidth pada Jaringan Komputer. Magister thesis, Universitas Brawijaya. </identifier><relation>TES/004.6/NOH/p/041408345</relation><recordID>155384</recordID></dc>
|
| format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview |
| author |
Noh, Junaidi |
| title |
Pengembangan Model Average Based Fuzzy Time Series dengan Induksi Markov Chain untuk Peramalan Data Penggunaan Bandwidth pada Jaringan Komputer |
| publishDate |
2014 |
| topic |
004.6 Interfacing and communications |
| url |
http://repository.ub.ac.id/155384/ |
| contents |
Peramalan merupakan suatu kegiatan yang dilakukan untuk memperkirakan apa yang akan terjadi pada masa mendatang dengan metode-metode tertentu. Berbagai metode peramalan khususnya pada peramalan time series telah banyak diusulkan dan digunakan. Salah satu diantara metode tersebut adalah model average based fuzzy time series .
Model average based fuzzy time series merupakan hasil pengembangan dari metode peramalan fuzzy time series standard. Model ini teridiri dari average based yang digunakan sebagai algoritma penentuan interval efektif, serta fuzzy time series yang merupakan algoritma proses logika fuzzy dan perhitungan nilai peramalan pada data time series.
Meskipun model average based fuzzy time series terbilang baik dan akurat dalam peramalan, namun dari sebagian studi kasus menunjukkan adanya hasil peramalan yang memiliki tingkat akurasi kurang baik jika dibandingkan dengan metode auto regressive integrated moving average (ARIMA). Oleh karena itu perlu dilakukan lagi kajian pengembangan model peramalan tersebut.
Pengembangan suatu model peramalan bertujuan untuk mendapatkan hasil peramalan yang lebih baik khususnya pada tingkat akurasi peramalan. Pengembangan suatu model peramalan dapat dilakukan dengan menggabungkan beberapa metode menjadi satu model. Pengembangan juga dapat dilakukan dengan menginduksikan kaidah matematis dari metode tertentu ke dalam tahapan algoritma dari metode yang akan dikembangkan.
Penelitian ini difokuskan pada kajian pengembangan model average based fuzzy time series yang diinduksikan dengan metode Markov chain ke dalam tahapan defuzzyfikasi -nya. Tahapan defuzzyfikasi diinduksikan, karena pada tahapan tersebut terdapat fuzzy logic relation group (FLRG). Pada setiap FLRG, terdapat hubungan antara dua state yang disebut dengan current state dan next state . Current state merupakan nilai yang akan dihitung sebagai hasil peramalan. Sedangkan next state merupakan data yang digunakan sebagai syarat untuk memperoleh hasil pada current state . Karena itu, hubungan tersebut dapat dianggap sebagai proses probabilitas bersyarat dan transisi antar state , yang sejalan dengan prinsip dari metode Markov chain . Markov chain merupakan sebuah proses stokastik, dimana suatu kejadian pada masa mendatang bergantung pada kejadian hari ini dan tidak pada keadaan masa lampau. Markov chain juga terdefinisi oleh matriks probabilitas yang memuat informasi proses transisi dari satu state ke state lainnya.
Induksi Markov chain ke dalam FLRG model average based fuzzy time series menggunakan aturan R.C . Tsaur . Proses induksi tersebut, dilakukan dengan membuat matriks probabilitas dari setiap current state yang bertransisi dengan next state -nya. Selanjutnya dari matriks probabilitas tersebut, dihitung nilai peramalan F(t). Setelah nilai peramalan diperoleh, kemudian dilanjutkan dengan penyesuaian kecenderungan nilai peramalan, dan selanjutnya dihitung hasil peramalan F`(t).
Pada penelitian ini, hasil pemodelan diterapkan dalam pengujian peramalan data traffic penggunaan bandwidth internet pada jaringan komputer Universitas Brawijaya Malang. Hasil dari pengujian, kemudian divalidasi dalam bentuk nilai MSE dan MAPE sebagai parameter tingkat akurasi peramalan. Selanjutnya nilai MSE dan MAPE dari model average based fuzzy time series dengan induksi Markov chain, dibandingkan dengan nilai MSE dan MAPE dari model average based fuzzy time series untuk mengetahui tingkat akurasi peramalan.
Dari hasil pengujian menujukkan bahwa model peramalan average based fuzzy time series dengan induksi Markov chain, memiliki tingkat akurasi peramalan lebih baik dari metode average based fuzzy time series |
| id |
IOS4666.155384 |
| institution |
Universitas Brawijaya |
| affiliation |
mill.onesearch.id fkp2tn.onesearch.id |
| institution_id |
30 |
| institution_type |
library:university library |
| library |
Perpustakaan Universitas Brawijaya |
| library_id |
480 |
| collection |
Repository Universitas Brawijaya |
| repository_id |
4666 |
| subject_area |
Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia* |
| city |
MALANG |
| province |
JAWA TIMUR |
| shared_to_ipusnas_str |
1 |
| repoId |
IOS4666 |
| first_indexed |
2021-10-27T08:55:36Z |
| last_indexed |
2021-10-28T07:41:31Z |
| recordtype |
dc |
| _version_ |
1751454409052651520 |
| score |
17.538404 |