Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
PRAKIRAAN NILAI INDEKS HARGA KONSUMEN
MENGGUNAKAN METODE FUZZY TIME SERIES MARKOV
CHAIN
(Studi Kasus : Data Bahan Pangan di Jawa Barat dalam
Frekuensi Bulanan. Periode Januari 2008-Maret 2019)
SKRIPSI
Tanjung Kusumoningtyas
11150940000044
PROGRAM STUDI MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UIN SYARIF HIDAYATULLAH JAKARTA
2019 M / 1440 H
i
PRAKIRAAN NILAI INDEKS HARGA KONSUMEN
MENGGUNAKAN METODE FUZZY TIME SERIES MARKOV
CHAIN
SKRIPSI
Diajukan kepada
Universitas Islam Negri Syarif Hidayatullah Jakarta
Fakultas Sains dan Teknologi
Untuk Memenuhi Salah Satu Persyaratan dalam
Memperoleh Gelar Sarjana Matematika (S.Mat)
Oleh:
Tanjung Kusumoningtyas
11150940000044
PROGRAM STUDI MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UIN SYARIF HIDAYATULLAH JAKARTA
2019 M / 1440 H
ii
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-BENAR
HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN SEBAGAI
SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU
LEMBAGA MANAPUN.
Jakarta, 16 Juni 2019
Tanjung Kusumoningtyas
NIM. 11150940000044
iii
LEMBAR PENGESAHAN
Skripsi ini berjudul “Prakiraan Nilai Indeks Harga Konsumen Menggunakan
Metode Fuzzy Time Series Markov Chain (Studi Kasus : Data Bahan Pangan
di Jawa Barat dalam Frekuensi Bulanan. Periode Januari 2008-Maret 2019)”
yang ditulis oleh Tanjung Kusumoningtyas NIM. 11150940000044. Skripsi ini
telah diterima untuk memenuhi salah satu persyaratan sidang skripsi dalam
memperoleh gelar sarjana strata satu (S1) Program Studi Matematika.
iv
LEMBAR PERNYATAAN PERSETUJUAN
PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS
Yang bertanda tangan di bawah ini:
Nama : Tanjung Kusumoningtyas
NIM : 11150940000044
Program Studi : Matematika Fakultas Sains dan Teknologi
Demi pengembagan ilmu pengetahuan, saya menyetujui untuk memberikan Hak
Bebas Royalti Non-Esklusif (Non-Exclusive-Free Right) kepada Program Studi
Matematika Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta atas
karya ilmiah saya yang berjudul :
“PRAKIRAAN NILAI INDEKS HARGA KOSUMEN MENGGUNAKAN
METODE FUZZY TIME SERIES MARKOV CHAIN
(Studi Kasus : Data Bahan Pangan di Jawa Barat dalam Frekuensi Bulanan.
Periode: Januari 2008-Maret 2019)”
Beserta perangkat yang diperlukan (bila ada). Dengan Hak Bebas Royalti Non-
Eksklusif ini, Program Studi Matematika Fakultas Sains dan Teknologi UIN Syarif
Hidayatullah Jakarta berhak menyimpan, mengalihmedia/formatkan, mengelolanya
dalam bentuk pangkalan data (database), mendistribusikannya, dan menampilkan /
mempublikasikannya di internet dan media lain untuk kepentingan akademis tanpa
perlu meminta izin dari saya selama tetap mencantumkan nama saya sebagai
penulis/pencipta dan sebagai pemilik Hak Cipta. Segala bentuk tuntutan hukum
yang timbul atas pelanggaran Hak Cipta karya ilmiah ini menjadi tanggung jawab
saya sebagai penulis.
Demikian pernyataan ini yang saya buat dengan sebenarnya.
Dibuat di Tangerang Selatan
Pada tanggal: 06 Juni 2019
Yang membuat pernyataan
(Tanjung Kusumoningtyas)
v
MOTTO
“Allah selalu punya jalan yang terbaik untuk umat-Nya”
“Tidak masalah ingin mengeluh tapi tetap harus berjuang sampai
akhir”
“Barangsiapa berbuat kebaikan, mendapat balasan sepuluh kali lipat
amalnya”
(Al-An’am:160)
vi
ABSTRAK
Tanjung Kusumoningtyas, Prakiraan Nilai Indeks Harga Konsumen
Menggunakan Metode Fuzzy Time Series Markov Chain (Studi Kasus: Data Bahan
Pangan di Jawa Barat dalam Frekuensi Bulanan. Periode Januari 2008 - Maret
2019). Di bawah bimbingan Mahmudi M.Si dan Nurmaleni, M.Si.
Indeks Harga Konsumen (IHK) mempunyai tujuan penting untuk membangun
perekenomian di Indonesia sehingga pemerintah sangat memperhatikan dan
menjaga karena berpengaruh pada tingkat inflasi dan tingkat deflasi. Selain itu,
indeks harga konsumen digunakan untuk standar perbandingan harga. IHK di
Indonesia memiliki berbagai macam kelompok yaitu bahan makanan, makanan
jadi, perumahan, sandang, kesehatan, pendidikan, dan komunikasi terdapat nilai
yang sesuai dengan bidangnya dan selalu terjadi perubahan setiap waktunya. Pada
skripsi ini bertujuan untuk memprakiraan nilai IHK menggunakan metode Fuzzy
Time Series Markov Chain. Pada konsep logika Fuzzy terdapat dua himpunan, yaitu
himpunan Crisp (tegas) dan himpunan Fuzzy (samar). Himpunan Crisp merupakan
himpunan yang mempunyai nilai keanggotaan (µ) dimana elemen 𝑥 pada himpunan
𝑍 dapat ditulis µZ(x). Nilai keanggotaannya hanya terdapat 1 adalah ya, dan 0
adalah tidak. Himpunan Fuzzy bertujuan untuk mengatasi hal tersebut. Dimana
pada himpunan Fuzzy, elemen dalam semesta tidak berfokus pada 0 dan 1 saja,
tetapi ada nilai lain diantara ya dan tidak. Dengan menggabungkan metode Fuzzy
Time Series dan Markov Chain menggunakan fuzifikasi untuk menentukan Fuzzy
Logic Relationship dilanjut menggunakan matriks transisi probabilitas untuk
prakiraan nilai IHK periode selanjutnya. Didapatkan tingkat penyimpangan
kesalahan pada prakiraan nilai IHK di Jawa Barat menggunakan metode Fuzzy Time
Series Markov Chain yaitu sebesar 1.64%, sehingga memiliki hasil Prakiraan yang
sangat baik karena kurang dari 10%.
Kata Kunci : Logika Fuzzy, Himpunan Fuzzy, Average Based Length, Matriks
Transisi, Probabilitas.
vii
ABSTRACT
Tanjung Kusumoningtyas, Prediction of Consument Price Index Using Fuzzy
Time Series Markov Chain Method (Case Study: Comestible Data of West Java
Monthly Frequency. January 2008 to March 2019 period). Under the Guidance
Mahmudi M.Si dan Nurmaleni, M.Si.
The Consumer Price Index (CPI) has an important purpose to develop economy in
Indonesia so the government concerned and maintais inflation and deflation rates.
In addition, the consumer price index is used for standard price comparisons. The
CPI in Indonesia has a variety of groups, namely food, processed food, housing,
clothing, health, education, and communication so that there are values in
accordance with their fields. It will show the estimated CPI value using the Markov
Chain Fuzzy Time Series method. In the concept of Fuzzy logic there are two sets,
namely the Crisp set (firm) and the Fuzzy set (cryptic). The Crisp set is a set that
has a membership value (µ) where the 𝑥 element in the 𝑍 set can be written as
µZ(𝑥). The membership value is only 1, yes, and 0 is no. Fuzzy set aims to overcome
this. Where in the Fuzzy set, elements in the universe do not focus on 0 and 1, but
there are other values between yes and no. By combining the Fuzzy Time Series
and Markov Chain methods using fuzzyfication to determine the Fuzzy Logic
Relationship continued using the probability transition matrix for the forecast
period CPI values for the next period. Obtained the level of error deviation to
forecast CPI value in West Java using the Markov Chain Fuzzy Time Series
method, which is 1.64% has a good forecasting result because it is less than 10%.
Keywords: Average Based Length, Fuzzy Logic, Fuzzy Set, Probability, Transition
Matrix.
viii
KATA PENGANTAR
Assalamu’alaikum Warahmatullahi Wabarakatuh
Alhamdulilah, puji dan syukur kepada Allah SWT atas semua limpahan
rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan penyusunan skripsi
dengan judul “PRAKIRAAN NILAI INDEKS HARGA KONSUMEN
MENGGUNAKAN METODE FUZZY TIME SERIES MARKOV CHAIN
(Studi Kasus: Data Bahan Pangan di Jawa Barat dalam Frekuensi Bulanan.
Periode Januari 2008- Maret 2019)” dapat diselesaikan dengan baik.
Dalam menyelesaikan skripsi ini, penulis banyak mendapatkan bimbingan,
saran, kerjasama dan bantuan dari berbagai pihak. Pada kesempatan ini penulis
ingin mengucapkan rasa terima kasih kepada :
1. Ibu Prof. Dr. Lily Surraya Eka Putri,M.Env.Stud, selaku Dekan Fakultas
Sains dan Teknologi Universitas Islam Negri Syarif Hidayatullah Jakartta.
2. Ibu Dr. Suma’inna, M.Si selaku Ketua Program Studi Matematika Fakultas
Sains dan Teknologi beserta Ibu Irma Fauziah, M.Si, selaku Sekretaris
Program Studi Matematika Fakultas Sains dan Teknologi.
3. Bapak Mahmudi, M.Si, selaku pembimbing I yang telah memberikan
pengarahan dan bimbingannya sehingga penulis dapat menyelesaikan
skripsi ini dan Ibu Nurmaleni, M.Si, selaku pembimbing II yang sudah
membantu dan sabar untuk mengarahkan serta membimbing penulis untuk
memahami proses skripsi dengan baik.
4. Kepada orang tua saya dan kakak saya Mbak Alin saya yang selalu
mendoakan, memberikan dukungan, mengingatkan deadline penulisan
skripsi serta memperbolehkan penulis mengerjakan skripsi di tempat umum
sehingga penulis dapat menyelesaikan skripsi dengan semangat.
5. Sahabat saya Kharisma Indah yang selalu bertanya perkembangan penulisan
skripsi dan memberi dukungan serta selalu ada disaat penulis butuh saran
dan keceriaan.
ix
6. Sahabat- sahabat saya Rahilda Nurul, Maiyudi Mariska W.Y, Rizki Dini
yang selalu menghibur disaat penulis jenuh, dan saling mengingatkan untuk
penulisan skripsi.
7. sahabat-sahabat dari berbeda universitas namun satu perjuangan yaitu
Nindita, Sasa, Alun, dan Raisa yang menemani, memberi semangat, dan
wadah curahan hati penulis sehingga penulis bersemangat menyelesaikan
skripsi dengan baik.
8. Teman seperjuangan dalam dosen pembimbing yang sama terutama Auli
Asyiva selalu memberi dukungan, mengingatkan dan bimbingan bersama
sehingga penulis menjadi lebih rajin dan dapat mengerjakan skripsi dengan
baik.
9. Senior-senior saya terutama Bang Angga, Bang Aul, Bang Panjul dan Bang
Faiz yang sangat membantu, mengerjakan skripsi dan menghibur serta
menjadi tutor dan dapat diandalkan oleh penulis untuk pembuatan skripsi
ini.
10. Teman seperjuangan yaitu Dino yang sangat membantu dan sabar dalam
mengolah data, Fitria Eka yang membantu membahas konsep lebih dalam
dan Heryanti Dwi yang memberikan dukungan sehingga penulis dapat
menyelesaikan skripsi dengan baik.
11. Teman-teman angkatan 2014, 2015 dan 2016 yang selalu memberi
semangat sehingga penulis dapat mengerjakan skripsi dengan baik
Penulis menyadari bahwa dalam penyususan skripsi ini masih banyak
kekurangan. Penulis berharap mendapatkan kritik dan saran yang membangun
untuk perbaikan di masa yang akan datang melalui email penulis
Wassalamu’alaikum Warahmatullahi wabarakatuh
Jakarta. 16 Juni 2019
Penulis
x
DAFTAR ISI
PERNYATAAN .................................................................................................. ii
LEMBAR PENGESAHAN ............................................................................... iii
LEMBAR PERNYATAAN PERSETUJUAN ................................................. iv
PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS .. iv
MOTTO ................................................................................................................ v
ABSTRAK .......................................................................................................... vi
ABSTRACT ....................................................................................................... vii
KATA PENGANTAR ..................................................................................... viii
DAFTAR ISI ........................................................................................................ x
DAFTAR TABEL ............................................................................................. xii
DAFTAR GAMBAR ....................................................................................... xiii
BAB I PENDAHULUAN .................................................................................... 1
1.1 Latar Belakang ............................................................................................. 1
1.2 Perumusan Masalah ...................................................................................... 3
1.3 Tujuan Penelitian .......................................................................................... 3
1.4 Batasan Masalah ........................................................................................... 3
1.5 Manfaat Penelitian ........................................................................................ 4
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI .......................... 5
2.1 Indeks Harga Konsumen .............................................................................. 5
2.2 Prakiraan ....................................................................................................... 6
2.3 Logika Fuzzy ................................................................................................ 7
2.4 Fungsi Keanggotaan ..................................................................................... 8
2.5 Markov Chain ............................................................................................. 10
2.6 Fuzzy Time Series ....................................................................................... 11
xi
2.7 Perhitungan Error. ..................................................................................... 18
BAB III METODOLOGI PENELITIAN ........................................................ 19
3.1 Metode Pengumpulan Data ........................................................................ 19
3.2 Metode Pengolahan Data ........................................................................... 19
3.3 Alur Penelitian ............................................................................................ 21
BAB IV HASIL DAN PEMBAHASAN ........................................................... 22
4.1 Deskriptif Data ........................................................................................... 22
4.2 Pemodelan Fuzzy Time Series Markov Chain ............................................ 23
4.2.1 Menetapkan Semesta U dari Data Historis ............................................ 23
4.2.2 Menetapkan Nilai inguistik ................................................................... 24
4.2.3 Memfuzifikasi Data Historik ................................................................. 25
4.2.4 Menghitung Prakiraan Awal. ................................................................. 31
4.2.5 Melakukan Penyesuaian Prakiraan. ....................................................... 33
4.2.6 Menghitung Prakiraan Akhir ................................................................. 34
4.3 Prakiraan Nilai IHK Periode Selanjutnya .................................................. 35
BAB V PENUTUP ............................................................................................. 37
5.1 Kesimpulan ................................................................................................. 37
5.2 Saran ........................................................................................................... 37
REFERENSI ...................................................................................................... 39
LAMPIRAN ....................................................................................................... 41
xii
DAFTAR TABEL
Tabel 2.1. Tabel Pemetaan Basis ........................................................................... 13
Tabel 2.2. Contoh Data Aktual .............................................................................. 14
Tabel 2.3. Contoh Data Interval ............................................................................. 14
Tabel 2.4. Kriteria Nilai MAPE ............................................................................. 18
Tabel 4.1. Data Hasil Nilai Linguistik ................................................................... 24
Tabel 4.2. FLRG data IHK ..................................................................................... 30
Tabel 4.3. Hasil Prakiraan Awal ............................................................................ 33
Tabel 4.4. Hasil Prakiraan Akhir............................................................................ 34
Tabel 4.5. Hasil Prakiraan Selanjutnya .................................................................. 36
Tabel 5.1. Hasil Data Prakiraan FTS-MC dan Data Aktual ................................... 37
xiii
DAFTAR GAMBAR
Gambar 2.1. Representasi Linear Naik .................................................................... 8
Gambar 2.2. Representasi Linear Turun .................................................................. 9
Gambar 2.3. Representasi Kurva Segitiga ............................................................... 9
Gambar 2.4. Representasi Kurva Trapesium ......................................................... 10
Gambar 4.1. Plot Indeks Harga Konsumen ............................................................ 22
Gambar 4.2. Kurva Bahu Himpunan A3 dan A4 .................................................... 23
Gambar 4.3. FLRG Himpunan 𝐴1 hingga 𝐴15 ....................................................... 26
Gambar 4.4. FLRG Himpunan 𝐴16 hingga 𝐴22 ..................................................... 27
Gambar 4.5. FLRG Himpunan 𝐴23 hingga 𝐴35 ..................................................... 27
Gambar 4.6. FLRG Himpunan 𝐴36 hingga 𝐴41 ..................................................... 28
Gambar 4.7. FLRG Himpunan 𝐴42 hingga 𝐴45 ..................................................... 28
Gambar 4.8. FLRG Himpunan 𝐴46 hingga 𝐴55 ..................................................... 29
Gambar 4.9. FLRG Himpunan 𝐴61 hingga 𝐴83 ..................................................... 29
Gambar 4.10. Hasil Plot Nilai Prakiraan ................................................................ 35
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pada kehidupan ini Allah telah mengatur semua kenikmatan yang sangat
cukup untuk alam semesta. Manusia di semesta ini diwajibkan untuk bisa
bertangggung jawab supaya seimbang terutama pada sektor keuangan. Dalam ayat
Al-Qur’an surat Al-Jumu’ah ayat 10, Allah berfirman :
ثيرا ك
ه
روا الل
ك
ه واذ
ل الل
ض
وا من ف
غ
رض وابت
شروا في ال
تان
ف
ة
ل ضيت الص
ا ق
إذ
ف
لحون
ف
م ت
ك
عل
ل
“Apabila telah ditunaikan shalat, maka bertebaranlah kamu di muka bumi;
dan carilah karunia Allah dan ingatlah Allah banyak-banyak supaya kamu
beruntung.” Setiap manusia mempunyai hak dan kewajiban untuk mencari rizki
Allah di muka bumi dan selalu mengingat Allah dalam segala keadilan terutama
pada perekomian.
Perekonomian nasional dalam tiga tahun terakhir berkembang secara
konsisten, diatas rata-rata enam persen disaat perekonomian dunia mengalami
krisis. Gubernur Bank Indonesia Darmin Nasution mengucapkan pertumbuhan
ekonomi di Indonesia merupakan salah satu negara yang paling stabil di dunia.
Namun, pemerintah mengalami defisit pada sektor migas dan minyak mentah
sehingga pemerintah perlu menjaga supaya pertumbuhan ekonomi bisa meningkat.
Perlu digaris bawahi yaitu tingkat belanja negara lebih besar dibandingkan tingkat
pendapatan.
Indonesia merupakan negara yang mayoritas masyarakatnya sangat
konsumtif, diperlukan untuk menjaga momentum tersebut. Tingkat konsumtif yang
meningkat setiap tahun sangat mempengaruhi inflasi. Inflasi merupakan fenomena
ekonomi yang disegani oleh semua negara di dunia, termasuk Indonesia. Apabila
inflasi ditekan dapat menyebabkan tingkat pengangguran, sedangkan tingkat
pengangguran adalah bentuk dari minimnya produksi nasional yang mempengaruhi
2
pertumbuhan ekonomi di Indonesia [1]. Maka dari itu, pemerintah sangat berusaha
merealisasikan belanja negara. Tingkat inflasi dapat diukur dengan tiga metode
yaitu indeks harga konsumen (IHK), deflator PDB, dan indeks harga produsen
(IHP).
Indeks harga konsumen merupakan suatu takaran mengenai berbagai
pertumbuhan atau perubahan yang terjadi dari suatu waktu ke waktu yang lain.
Selain itu, indeks harga konsumen digunakan untuk standar perbandingan harga.
IHK di Indonesia memiliki berbagai macam kelompok yaitu bahan makanan,
makanan jadi, perumahan, sandang, kesehatan, pendidikan, dan komunikasi
sehingga terdapat nilai yang sesuai dengan bidangnya.
Setiap bulannya indeks harga konsumen dapat meningkat atau menurun,
sehingga digunakan time series untuk melihat prakiraan. Prakiraan merupakan
kegiatan untuk memprakirakan masa depan. Prakiraan memiliki banyak makna
sehingga dibutuhkan perencanaan untuk menetapkan kebijaksanaan dan keputusan
yang baik. Diperlukan metode-metode yang sesuai untuk menyelesaikan masalah
di masa depan [2]. Salah satu metode yang digunakan yaitu Fuzzy Time Series yang
diusulkan oleh Song dan Chissom pada tahun 1993.
Fuzzy bila diterjemahkan adalah tidak jelas. Ada ketidakjelasan yang terjadi
pada kehidupan sehari-hari. Fuzzy Time Series memiliki konsep logika Fuzzy yang
mudah dimengerti dengan fungsi keanggotaan (membership function). Terdapat
perbedaan antara logika Fuzzy dengan logika biasa. Logika biasa memiliki nilai
benar dan salah secara tegas namun logika Fuzzy memiliki nilai kesamaran diantara
benar dan salah yang memiliki nilai antara 0 hingga 1 [3]. Manfaat penggunaan
logika Fuzzy diantaranya: logika Fuzzy sangat fleksibel, memiliki toleransi terhadap
data yang tidak tepat, dapat bekerjasama dengan teknik-teknik kendali secara
konvesional, dan didasarkan pada bahasa alami [4].
Pada tahun 2012, Tsaur mengembangkan konsep baru dan mengusulkan
metode Fuzzy Time Series Markov Chain yang bertujuan untuk melihat tingkat
keakuratan yang lebih baik [5]. Tsaur menggunakan rantai Markov dan
3
digabungkan dengan Fuzzy Time Series. Tujuannya yaitu untuk mendapatkan
probabilitas terbesar menggunakan matriks probabilitas transisi. Hasil
penelitiannya yaitu “A Fuzzy Time Series-Markov Chain Model With an
Application to Forecast the Exchange Rate Between The Taiwan and US Dollar”
memiliki tingkat akurasi yang lebih baik dibandingkan Fuzzy Time Series yang
diusulkan oleh Song and Chissom (1993), Chen et Al (2008), Singh (2007) dan Li
and Cheng(2007).
Berdasarkan latar belakang tersebut, karena Fuzzy Time Series tidak memiliki
asumsi sehingga data nilai indeks harga konsumen dapat digunakan dengan metode
ini. Kemudian, melakukan prakiraan menggunakan metode Fuzzy Time Series
Markov Chain dengan MAPE sebagai parameter keakuratan.
1.2 Perumusan Masalah
Berdasarkan latar belakang diatas, maka dapat diuraikan perumusan
masalah dalam penelitian ini adalah sebagai berikut:
1. Bagaimana prakiraan IHK di Jawa barat menggunakan metode Fuzzy
Time Series Markov Chain?
2. Bagaimana keakuratan model data IHK di Jawa Barat menggunakan
metode Fuzzy Time Series Markov Chain?
1.3 Tujuan Penelitian
Tujuan yang ingin dicapai dalam penelitian ini adalah:
1. Mendapatkan prakirakan IHK di Jawa barat menggunakan metode
Fuzzy Time Series Markov Chain.
2. Mendapatkan tingkat keakuratan model IHK di Jawa Barat
menggunakan Fuzzy Time Series Markov Chain.
1.4 Batasan Masalah
Batasan masalah supaya peneliti tidak menyimpang adalah:
1. Peneliti menggunakan Mean Absolute Percentage Error (MAPE).
2. Data IHK yang digunakan periode Januari 2008 sampai Maret 2019.
3. Data yang diolah menggunakan Ms.excell, Minitab, dan R.
4
1.5 Manfaat Penelitian
Manfaat yang diperoleh dari penelitian ini sebagai berikut:
1. Bagi peneliti, hasil penelitian dapat menambah wawasan yang baru dan
lebih luas dari ilmu yang sudah dipelajari di perkuliahan untuk
digunakan di kehidupan.
2. Bagi akademis, hasil penelitian diharapkan menambah ilmiah dengan
metode Fuzzy Time Series Markov Chain.
3. Bagi pemerintah, hasil penelitian diharapkan dapat digunakan untuk
memprakirakan IHK dikemudian hari atau pun data di Indonesia yang
baru.
5
BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
2.1 Indeks Harga Konsumen
Perekonomian di setiap negara adalah faktor utama untuk melihat kemajuan
pembangunan sehingga pemerintah menekan pertumbuhan ekonomi untuk
mengurangi tingkat kemiskinan di Indonesia [6]. Kemiskinan merupakan tidak
tercapainya standar kebutuhan untuk kehidupan seperti tidak tercukupi di
perekonomian, tidak mempunyai pekerjaan ataupun yang lainnya. Hal tersebut
sudah lama terjadi untuk masyarakat Indonesia dan belum menemukan solusi
untuk menghentikan tingkat kemiskinan. Pada tahun 2009 sudah tercatat pada
survey BPS sekitar 32,5 juta jiwa diambang garis kemiskinan [7].
Inflasi digunakan pemerintah untuk menekan tingkat perekonomian di
Indonesia sehingga dapat menyeimbangkan harga barang dan sebagai informasi
standar tarif suatu harga [8]. Terdapat hubungan yang kuat antara inflasi dan
indeks harga konsumen. Indeks harga konsumen adalah angka harga rata-rata
yang dikeluarkan konsumen untuk pembelian barang dan jasa pada setiap waktu.
Indeks Harga konsumen terdiri dari beberapa kelompok yaitu bahan makanan,
makanan jadi, minuman, rokok dan tembakau, perumahan, sandang, kesehatan,
pendidikan, rekreasi dan olahraga, serta transportasi dan komunikasi [9].
Umumnya indeks harga konsumen merupakan indikator untuk inflasi yang
mempermudah pemerintah untuk membuat kebijakan ekonomi yang sesuai
berdasarkan dari penyebab pada inflasi [8]. Indeks harga konsumen biasanya
dalam kurun waktu tertentu dapat melangami perubahan baik itu meningkat atau
menurun. Perubahan IHK menggambarkan variasi harga, ketika harga atau jasa
dalam kelompok komoditi mengalami peningkatan dapat disebut telah terjadi
inflasi pada kelompok komoditi tersebut dan ketika harga atau jasa dalam
kelompok mengalami penurunan maka telah terjadi deflasi, sesuai dengan yang
dikatakan Mankiw (2003). “Peningkatan dalam seluruh tingkat harga disebut
inflasi” [10].
6
2.2 Prakiraan
Prakiraan merupakan peramalan variabel dimasa depan yang belum terjadi.
Prakiraan akan menggunakan data yang terjadi di masa lalu (data historis, dan
diasumsikan dari pola di masa lalu kemudian berlanjut di masa yang akan datang),
lalu dianalisis dengan metode tertentu. Sehingga, dapat dilihat tingkat keakuratan
prakiraan yang tinggi atau rendah [11]. Beberapa pola data prakiraan, yaitu [12]:
1. Pola Horizontal
Data yang mempunyai pergerakan nilai konstan atau menggambarkan garis
horizontal, dapat disebut data yang stasioner. Contohnya penjualan
perusahaan di Amerika.
2. Pola Trend
Data yang mempunyai pergerakan pada suatu waktu dan memiliki
kecenderungan satu arah baik itu naik atau turun. Contohnya hasil produksi
keju sebuah perusahaan di Amerika.
3. Pola Siklik
Data yang mempunyai pergerakan yang meningkat atau menurun disekitar
trend. Contoh data keuangan, industri dan perdagangan.
4. Pola Musiman
Data yang mempunyai gerakan berulang dengan kurun waktu kurang lebih
satu tahun. Contoh data kasus kematian pada kecelakaan.
Menurut Jay Heizer dan Barry Render, prakiraan dikelompokan
berdasarkan waktu masa depan yang dilingkupnya. Waktu terbagi menjadi
beberapa kategori [13]:
1. Prakiraan Jangka Pendek
Prakiraan yang dilakukan biasanya kurang dari tiga bulan dan maksimum
satu tahun. Prakiraan ini untuk merancanakan pembelian, penjadwalan
kerja, jumlah tenaga kerja, penguasan kerja, dan tingkat produksi.
2. Prakiraan Jangka Menengah
Prakiraan ini dilakukan lebih dari tiga bulan atau maksimum hingga tiga
tahun. Prakiraan ini digunakan untuk perencanaan penjualan, perencanaan
dan anggaran produksi, anggaran kas, dan menganalisis rencana operasi.
7
3. Prakiraan Jangka Panjang
Prakiraan ini dilakukan lebih dari tiga tahun atau lebih. Prakiraan jangka
panjang digunakan untuk merencanakan produk baru, pembelanjaan, modal,
lokasi ataupun untuk pembangunan fasilitas, serta penilitian dan
pengembangan (litbang).
Time series adalah salah satu metode statistik yang digunakan untuk
prakiraan dimana suatu himpunan yang dibentuk dengan berututan dalam waktu.
Berdasarkan himpunan pengamatan yang tersedia maka time series disebut
kontinu, jika himpunan pengamatan adalah kontinu dan disebut diskrit jika
himpunan pengamatan tersebut juga diskrit [14] .
2.3 Logika Fuzzy
Logika Fuzzy ditemukan oleh seorang ilmuwan Amerika Serikat yaitu Lotfi
A. Zadeh tentang himpunan Fuzzy pada tahun 1965, Fuzzy diartikan dengan kabur
atau kesamaran yang memiliki nilai benar atau salah secara bersamaan [11].
Logika Fuzzy biasanya menggunakan bahasa (linguistik) misal sedikit besar,
lumayan besar dan sangat besar. Beberapa pernyataan digunakannya logika Fuzzy,
yaitu [15] :
1. Logika Fuzzy memiliki konsep yang mudah dipahami.
2. Logika Fuzzy fleksibel.
3. Logika Fuzzy memiliki toleransi dengan data yang tidak tepat.
4. Penggunaan bahasa sehari-hari.
Pada konsep logika Fuzzy terdapat dua himpunan, yaitu himpunan Crisp
(tegas) dan himpunan Fuzzy (samar). Himpunan Crisp merupakan himpunan yang
mempunyai nilai keanggotaan (µ) dimana elemen 𝑥 pada himpunan 𝑍 dapat
ditulis µZ(x). Nilai keanggotaannya hanya terdapat 1 adalah ya, dan 0 adalah
tidak. Himpunan Fuzzy bertujuan untuk mengatasi hal tersebut. Dimana pada
himpunan Fuzzy, elemen dalam semesta tidak berfokus pada 0 dan 1 saja, tetapi
ada nilai lain diantara ya dan tidak [16].
8
2.4 Fungsi Keanggotaan
Fungsi keanggotaan merupakan pemetaan suatu titik-titik di keanggotaanya
pada kurva. Ada beberapa representasi yang digunakan supaya mendapatkan nilai
keanggotaannya yaitu [17] :
1. Representasi Linear Naik
Penggambaran suatu pemetaan dari garis lurus yang dimulai pada derajat
keanggotaan 0 kemudian bergerak ke kanan dan naik menuju derajat lebih
tinggi.
Gambar 2.1. Representasi Linear Naik
Fungsi keanggotaan:
𝜇(𝑥) = {0; 𝑥 ≤ 𝑎
(𝑥 − 𝑎) (𝑏 − 𝑎);⁄ 𝑎 ≤ 𝑥 ≤ 𝑏1; 𝑥 ≥ 𝑏
Keterangan :
𝑎 = nilai yang mempunyai derajat keanggotaam nol
𝑏 = nilai yang mempunyai derajat keanggotaan satu
𝑥 = nilai yang diinput dan diubah ke bilangan Fuzzy
2. Representasi Linear Turun
Penggambaran suatu pemetaan dari garis lurus yang dimulai pada derajat
keanggotaan 1 kemudian bergerak ke kanan dan menurun menuju derajat
lebih rendah.
9
Gambar 2.2. Representasi Linear Turun
Fungsi Keanggotaan:
𝜇(𝑥) = {(𝑏 − 𝑥) (𝑏 − 𝑎)⁄ ; 𝑎 ≤ 𝑥 ≤ 𝑏
0; 𝑥 ≥ 𝑏
Keterangan:
𝑎 = nilai yang mempunyai derajat keanggotaan nol
𝑏 = nilai yang mempunyai derajat keanggotaan satu
𝑥 = nilai yang diinput dan diubah ke bilangan Fuzzy
3. Representasi Kurva Segitiga
Penggambaran dari penggabungan kurva linear naik dan kurva linear turun.
Gambar 2.3. Representasi Kurva Segitiga
Fungsi Keanggotaan:
𝜇(𝑥) = {
0; 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑐(𝑥 − 𝑎) (𝑏 − 𝑎)⁄ ; 𝑎 ≤ 𝑥 ≤ 𝑏
(𝑐 − 𝑥) (𝑐 − 𝑏)⁄ ; 𝑏 ≤ 𝑥 ≤ 𝑐
Keterangan:
𝑎 = nilai yang mempunyai derajat keanggotaan nol
𝑏 = nilai yang mempunyai derajat keanggotaan satu
𝑐 = nilai terbesar yang mempunyai derajat keanggotaan nol
𝑥 = nilai yang diinput dan diubah ke bilangan Fuzzy
10
4. Representasi Kurva Trapesium
Penggambaran kurva yang berbentuk segitiga, namun ada beberapa titik
memiliki nilai keanggotaan 1.
Gambar 2.4. Representasi Kurva Trapesium
Fungsi Keanggotaan:
𝜇(𝑥) = {
0;(𝑥 − 𝑎) (𝑏 − 𝑎);⁄
1;(𝑑 − 𝑥) (𝑑 − 𝑐);⁄
𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑑𝑎 ≤ 𝑥 ≤ 𝑏𝑏 ≤ 𝑥 ≤ 𝑐
𝑥 ≥ 𝑑
Keterangan:
𝑎 = nilai yang mempunyai derajat keanggotaan nol
𝑏 = nilai yang mempunyai derajat keanggotaan satu
𝑐 = nilai yang mempunyai derajat keanggotaan satu
𝑑 = nilai terbesar yang mempunyai derajat keanggotaan nol
𝑥 = nilai yang diinput dan diubah ke bilangan Fuzzy
2.5 Markov Chain
Pertama kali Markov dikemukakan oleh ahli Rusia yang bernama A.A.
Markov tahun 1906. Markov Chain adala suatu metode untuk mempelajari sifat
variabel di masa ini dengan landasan variabel dimasa lalu, bertujuan untuk
memprakiraan variabel dimasa depan. Pada proses stokastik dimana himpunan
variabel random merupakan fungsi dari waktu (time) dengan simbol {𝑋𝑡, 𝑡 ∈ 𝑇}.
Apabila proses stokastik {𝑋𝑡, 𝑡 ∈ 𝑇} maka mempunyai sifat [17]:
𝑃(𝑋𝑛+1 = 𝑥𝑛+1 |𝑋0 = 𝑥0, 𝑋1 = 𝑥1, … , 𝑋𝑛 = 𝑥𝑛) = 𝑃(𝑋𝑛+1 = 𝑥𝑛+1|𝑋𝑛 = 𝑥𝑛)
Proses ini dinamakan proses Markov. Pada kondisi 𝑋0 = 𝑥0, 𝑋1 = 𝑥1, … ,
𝑋𝑛−1 = 𝑥𝑛−1 tidak punya pengaruh, karena yang mempengaruhi probabilitas
11
𝑋𝑛+1 hanya 𝑋𝑛 = 𝑥𝑛. Jika 𝑋𝑛 = 𝑖 , maka proses yang terjadi 𝑖 pada saat 𝑛. Ada
nilai probabilitas 𝑃𝑖𝑗 dimana terjadi perpindahan transisi dari 𝑖 ke 𝑗, sehingga
formulanya ditulis [17]:
𝑃𝑖𝑗 = 𝑃[𝑋𝑛+1 = 𝑗 | 𝑋𝑛 = 𝑖]
Dengan bernilai 𝑃𝑖𝑗 = 1, dimisalkan P matriks peluang transisi 𝑃𝑖𝑗 adalah [18] :
𝑃 = (
𝑃00 𝑃01
𝑃10 𝑃11⋯
𝑃0𝑛
𝑃1𝑛
⋮ ⋱ ⋮𝑃𝑛0 𝑃𝑛1 ⋯ 𝑃𝑛𝑛
)
2.6 Fuzzy Time Series
Fuzzy Time Series dikemukakan oleh Song dan Chissom pada tahun 1993
untuk memodelkan prakiraan jumlah pendaftar di suatu Universitas. Kemudian,
metode Fuzzy Time Series berkembang dan banyak diusulkan salah satunya
seperti model Markov Chain. Jika 𝑈 merupakan himpunan semesta, dimana 𝑈 =
{𝑢1, 𝑢2, … , 𝑢𝑛} maka himpunan Fuzzy 𝐴𝑖(𝑖 = 1,2, . . , 𝑛) didefinisikan dengan
[19]:
𝐴𝑖 = 𝜇𝐴1(𝑢1) 𝑢1⁄ + 𝜇𝐴2
(𝑢2) 𝑢2⁄ + ⋯ + 𝜇𝐴𝑖(𝑢𝑛) 𝑢𝑛⁄
Dengan 𝜇𝐴𝑖 merupakan fungsi keanggotaan dari Fuzzy 𝐴𝑖. 𝜇𝐴𝑖
𝑢𝑘 adalah derajat
keanggotaan 𝑢𝑘 yang termasuk dalam himpunan Fuzzy 𝐴𝑖, dengan 𝑘 = 1,2, … , 𝑛.
Untuk fungsi umum himpunan Fuzzy dinotasikan dengan sebagai berikut :
𝐴𝑖 = ∑ 𝜇𝑖𝑗(𝑢𝑛) 𝑢𝑛⁄
𝑛
𝑗=1
Dimana 𝜇𝑖𝑗 merupakan derajat keanggotaan dari 𝑢𝑖 pada himpunan 𝐴𝑖, maka
diperoleh 𝜇𝑖𝑗 dimana nilainya yaitu [21] :
𝜇𝑖𝑗 = {
1 , 𝑖 = 𝑗0.5, 𝑗 = 𝑖 − 1 𝑎𝑡𝑎𝑢 𝑗 = 1 + 𝑖
0, 𝑙𝑎𝑖𝑛𝑦𝑎
12
Definisi 1.
Misalkan 𝑌(𝑡) = (𝑡 = ⋯ ,0,1,2, … , 𝑛) merupakan bagian dari R yang
didefinisikan dengan himpunan Fuzzy 𝐴𝑖. Jika F(𝑡) didefinisikan sebagai Fuzzy
Time Series pada 𝑌(𝑡) = (𝑡 = ⋯ ,0,1,2, … , 𝑛) [19].
Definisi 2.
Jika F(𝑡 − 1) = 𝐴𝑖 disebabkan oleh F(𝑡) = 𝐴𝑗, Fuzzy Logic Relationship (FLR)
merupakan hubungan antara F(𝑡) dan F(𝑡 − 1) yang dinyatakan dengan 𝐴𝑖 → 𝐴𝑗 ,
dimana 𝐴𝑖 adalah current state dan 𝐴𝑗 adalah next state dari FLR [20]. Apabila
terdapat FLR yang diperoleh dari state 𝐴2, maka transisiya menuju state lain.
Misalkan 𝐴𝑗(𝑗 = 1,2, … , 𝑛) seperti 𝐴2 → 𝐴1, 𝐴2 → 𝐴4, 𝐴2 → 𝐴5. Sehingga Fuzzy
Logic Relationship dikelompokan menjadi Fuzzy Logic Relationship Group yaitu:
𝐴2 → 𝐴1, 𝐴4, 𝐴5
Metode Fuzzy Time Series Markov Chain dikemukakan pertama kali oleh
Tsaur pada tahun 2012. Metode tersebut memiliki tahap-tahap yang identik
dengan Fuzzy Time Series klasik. Tahap pertama hingga kelima identik dengan
Fuzzy Time Series klasik, kemudian dilanjut tahap keenam hingga kesembilan
merupakan gabungan dari metode Markov Chain. Berikut tahapan-tahapan untuk
menyelesaikan Fuzzy Time Series Markov Chain [5]:
1. Mengumpulkan data historis 𝑌(𝑡)
2. Mendefinisikan himpunan semesta U dari data
pada tahap ini, akan ditentukan nilai minimum dan nilai maksimum dari data
historis. Lalu, menentukan nilai 𝐷1 dan 𝐷2 dimana menentukan nilai
tersebut merupakan kebebasan dari peneliti untuk mudah membuat interval
dan berupa bilangan real positif. Formula untuk himpunan semesta sebagai
berikut:
𝑈 = [𝐷𝑚𝑖𝑛 − 𝐷1, 𝐷𝑚𝑎𝑥 + 𝐷2] (1)
Dengan:
𝐷𝑚𝑎𝑥 merupakan nilai maksimum pada data
𝐷𝑚𝑖𝑛 merupaka nilai minimum pada data
𝐷1 dan 𝐷2 merupakan bilangan positif yang sesuai.
13
3. Menentukan jumlah interval Fuzzy
Pada tahap ini, peneliti menggunakan metode Average Based Length untuk
membagi himpunan 𝑈 pada jumlah interval. Berikut merupakan langkah-
langkahnya [3] :
a. Hitung selisih nilai mutlak dari data 𝐴𝑖+1 dan 𝐴𝑖 (𝑖 = 1,2, … , 𝑛 − 1)
kemudian rata-rata hasilnya.
b. Nilai yang dihasilkan kemudian dibagi dua
c. Mendapatkan hasil nilai pada langkah kedua, kemudian tentukan nilai
basis untuk panjang interval berdasarkan Tabel 2.1
Tabel 2.1. Tabel Pemetaan Basis
Range Basis
0.1-1.0 0.1
1.1-10 1
11-100 10
101-1000 100
1001-10000 1000
d. Jumlah interval Fuzzy dapat dihitung dengan,
𝑛 =[(𝐷𝑚𝑎𝑥+𝐷2)−(𝐷𝑚𝑖𝑛−𝐷1)]
𝑏𝑎𝑠𝑖𝑠 (2)
Masing-masing interval dapat dihitung dengan
𝑢1 = [ 𝐷𝑚𝑖𝑛 − 𝐷1, 𝐷𝑚𝑖𝑛 − 𝐷1 + 𝑏𝑎𝑠𝑖𝑠]
𝑢2 = [ 𝐷𝑚𝑖𝑛 − 𝐷1 + 𝑏𝑎𝑠𝑖𝑠, 𝐷𝑚𝑖𝑛 − 𝐷1 + 𝑏𝑎𝑠𝑖𝑠]
Kemudian, dilanjut untuk 𝑢𝑛
𝑢𝑛 = [ 𝐷𝑚𝑖𝑛 − 𝐷1 + (𝑛 − 1) ∗ 𝑏𝑎𝑠𝑖𝑠, 𝐷𝑚𝑖𝑛 − 𝐷1 + 𝑛𝑏𝑎𝑠𝑖𝑠]
4. Mendefinisikan himpunan Fuzzy pada universe of discourse U
Himpunan Fuzzy menyatakan variabel linguistik, dimana tidak ada batasan
untuk menentukan variabel linguistik untuk himpunan Fuzzy. Untuk
menyederhanakan, setiap himpunan Fuzzy 𝐴𝑖 (𝑖 = 1,2, … , 𝑛) didefinisikan
14
pada jumlah interval yang sudah didapatkan, yaitu 𝑢1 = [𝑑1, 𝑑2],
𝑢1 =[𝑑2, 𝑑3], … . , 𝑢𝑛 = [𝑑𝑛, 𝑑𝑛+1]. Sehingga seluruh himpunan Fuzzy
𝐴1, 𝐴2, … , 𝐴𝑛 didefinisikan dengan :
𝐴1 = {1 𝑢1 +⁄ 0.5 𝑢2 +⁄ 0 𝑢3 + ⋯ +⁄ 0 𝑢𝑛⁄ }
𝐴2 = {0.5 𝑢1 +⁄ 1 𝑢2 +⁄ 0.5 𝑢3 + ⋯ +⁄ 0 𝑢𝑛}⁄
𝐴3 = {1 𝑢1 +⁄ 0.5 𝑢2 +⁄ 0 𝑢3 + ⋯ +⁄ 0 𝑢𝑛⁄ }
.
.
𝐴𝑛 = {0 𝑢1 +⁄ 0 𝑢2 +⁄ … + 0.5 𝑢𝑛−1 + 1 𝑢𝑛⁄⁄ }
5. Fuzifikasi data historis. Apabila sebuah data historis termasuk pada interval
𝑢𝑖 maka data tersebut di fuzifikasi ke dalam 𝐴𝑖 dan apabila sebuah data
historis berada diantara 𝑢𝑖 dan 𝑢𝑖+1, maka jika dibuat dalam bentuk
matematis seperti berikut:
𝜇𝐴𝑖(𝑥) > 𝜇𝐴𝑗
, ∀𝑗 ≠ 𝑖 maka 𝑥 ∈ 𝐴𝑖
𝜇𝐴𝑖(𝑥) = 𝜇𝐴𝑗
(𝑥), 𝑖 < 𝑗 maka 𝑥 ∈ 𝐴𝑗
Diberi contoh pada suatu data dari bulan Januari ke bulan Maret sebagai
berikut:
Tabel 2.2. Contoh Data Aktual
Bulan Data
Januari 104.5
Februari 105
Maret 111.3
Kemudian, mempunyai tiga interval dengan panjang interval yaitu lima,
maka akan ditunjukan pada Tabel berikut:
Tabel 2.3. Contoh Data Interval
𝒖𝒊 Interval Data
𝑢1 100-105
𝑢2 105-110
𝑢3 110-115
15
Pada bulan Januari memiliki nilai data 104.5 maka akan difuzifikasi ke
dalam 𝑢1 pada himpunan 𝐴1. Pada bulan Februari memiliki nilai data yaitu
105, terjadi dua kemungkinan nilai tersebut akan difuzifikasi kedalam 𝑢1
atau kedalam 𝑢2. Data 105 memiliki nilai derajat keanggotaanya sehingga
dapat dirumuskan seperti berikut:
𝜇𝐴𝑖(𝑥) = 𝜇𝐴𝑗
(𝑥)
𝜇𝐴1(105) = 𝜇𝐴2
(105)
Sehingga, didapatkan derajat keanggotaan untuk kedua himpunan yaitu 0.5
maka data 105 masuk kedalam 𝑢2 pada himpunan 𝐴2.
6. Menentukan Fuzzy Logical Relationship (FLR) dan Fuzzy Logical
Relationship Group (FLRG). Apabila FLR 𝐴𝑖 → 𝐴𝑗 diartikan dengan “jika
data telah difuzifikasi 𝑡 adalah 𝐴𝑗, maka fuzifikasi data pada tahun ke 𝑡 − 1
adalah 𝐴𝑖. Kemudian, menentukan FLRG dengan melihat fuzifikasi pada
FLR.
7. Menghitung hasil prakiraan. Penggunaan Fuzzy Logic Relationship Group
untuk memperoleh probabilitas dari current state ke next state. Sehingga
digunakan matriks transisi Markov. Matriks transisi ini memiliki dimensi
𝑛 × 𝑛. Jika state 𝐴𝑖 transisi ke 𝐴𝑗 dan melewati state 𝐴𝑘 , (𝑖, 𝑗 = 1,2, … , 𝑛),
maka diperoleh FLRG. Formula probabilitas transisi yaitu:
𝑃𝑖𝑗 =𝑀𝑖𝑗
𝑀𝑖 (𝑖, 𝑗 = 1,2, … , 𝑛) (3)
Dengan:
𝑃𝑖𝑗 = probabilitas transisional dari state 𝐴𝑖 ke 𝐴𝑗
𝑀𝑖𝑗 = jumlah transisi dari state 𝐴𝑖 ke 𝐴𝑗
𝑀𝑖 = jumlah data yang termasuk dalam state 𝐴𝑖.
Kemudian, dapat ditulis matriks probabilitas R secara menyeluruh yaitu:
𝑅 = [𝑃11 ⋯ 𝑃1𝑛
⋮ ⋱ ⋮𝑃𝑛1 ⋯ 𝑃𝑛𝑛
]
Matriks R mencerminkan pada keseluruhan sistem transisi. Apabila
F(𝑡 − 1) = 𝐴𝑖 pada waktu 𝑡 − 1, sehingga prakiraan F(𝑡) akan dihitung
16
dengan baris [𝑃𝑖1, 𝑃𝑖2, . . , 𝑃𝑖𝑛]. Hasil prakiraan 𝐹(𝑡) merupakan nilai rata-
rata dari 𝑚1, 𝑚2, … , 𝑚𝑛 atau midpoint pada 𝑢1, 𝑢2, … , 𝑢𝑛. Ada beberapa
aturan untuk menentukan hasil prakiraan 𝐹(𝑡) yaitu :
Aturan 1
Apabila Fuzzy Logical Relationship Group 𝐴𝑖 adalah kosong (𝐴𝑖 → 𝞥)
sehingga hasil prakiraan 𝐹(𝑡) adalah 𝑚𝑖, merupakan nilai titik tengah 𝑢𝑖 ,
dengan persamaan :
𝐹(𝑡) = 𝑚𝑖
Aturan 2
Apabila Fuzzy Logical Relationship Group 𝐴𝑖 adalah one to one (contohnya
𝐴𝑖 → 𝐴𝑘 dimana 𝑃𝑖𝑘 = 1 dan 𝑃𝑖𝑗 = 0, 𝑗 ≠ 𝑘). Sehingga hasil prakiraan 𝐹(𝑡)
adalah 𝑚𝑘 yaitu titik tengah 𝑢𝑘. Dengan formula :
𝐹(𝑡) = 𝑚𝑘𝑃𝑖𝑘 = 𝑚𝑘 (4)
Aturan 3
Apabila Fuzzy Logical Relationship Group merupakan one to many
(contohnya 𝐴𝑗 → 𝐴1 , 𝐴2, … , 𝐴𝑛 ) dimana 𝑗 = 1,2,3, … . 𝑛. Ketika 𝑌(𝑡 − 1)
pada 𝑡 − 1 ke state 𝐴𝑗 sehingga hasil prakiraan 𝐹(𝑡), adalah :
𝐹(𝑡) = 𝑚1𝑃𝑗1 + 𝑚2𝑃𝑗2 + ⋯ + 𝑚𝑗−1𝑃𝑗(𝑗−1) + 𝑌(𝑡 − 1)𝑃𝑗𝑗 + 𝑚𝑗+1𝑃𝑗(𝑗+1)
+ ⋯ + 𝑚𝑛𝑃𝑗𝑛
Dengan:
𝑚1, 𝑚2, … , 𝑚𝑛 adalah nilai tengah dari 𝑢1, 𝑢2, … , 𝑢𝑛
𝑌(𝑡 − 1) adalah nilai state 𝐴𝑗 pada waktu 𝑡 − 1.
8. Menghitung nilai penyesuaian pada nilai prakiraan. Ini dilakukan untuk
meninjau ada atau tidak kesalahan pada prakiraan. Terdapat aturan-aturan
untuk menghitung nilai penyesuaian yaitu:
17
Aturan 1
Apabila state 𝐴𝑖 berhubungan dengan 𝐴𝑗 ketika 𝑡 − 1 diimplementasikan
sebagai 𝐹(𝑡 − 1) = 𝐴𝑖. Kemudian mengalami increasing transition ke
state 𝐴𝑗 ketika 𝑡 dimana (𝑖 < 𝑗) sehingga nilai penyesuaian 𝑑𝑡 yaitu :
𝐷𝑡1 = (𝑙
2)
Dengan 𝑙 merupakan baris interval.
Aturan 2
Apabila state 𝐴𝑖 berhubungan dengan 𝐴𝑗, ketika 𝑡 − 1 diimplementasikan
sebagai 𝐹(𝑡 − 1) = 𝐴𝑖. Kemudian mengalami decreasing transition ke
state 𝐴𝑗 ketika 𝑡 dimana (𝑖 > 𝑗) sehingga nilai penyesuaian 𝑑𝑡 yaitu :
𝐷𝑡1 = − (𝑙
2)
Dengan 𝑙 merupakan baris interval.
Aturan 3
Apabila state 𝐴𝑖 ketika 𝑡 − 1 sebagai 𝐹(𝑡 − 1) = 𝐴𝑖 kemudian, mengalami
jump forward transition menuju state 𝐴𝑖+𝑠 saat 𝑡 dimana (1 ≤ 𝑠 ≤ 𝑛 − 𝑖)
sehingga nilai penyesuaiannya adalah
𝐷𝑡2 = (𝑙
2) 𝑠, 1 ≤ 𝑠 ≤ 𝑛 − 𝑖
Dengan 𝑠 merupakan jumlah lompatan kedepan.
Aturan 4
Apabila state 𝐴𝑖 ketika 𝑡 − 1 sebagai 𝐹(𝑡 − 1) = 𝐴𝑖 kemudian mengalami
jump backward transition menuju state 𝐴𝑖−𝑣 saat 𝑡 dimana (1 ≤ 𝑣 ≤ 𝑖)
sehingga nilai penyesuaiannya adalah
𝐷𝑡2 = − (𝑙
2) 𝑣, 1 ≤ 𝑣 ≤ 𝑖
Dengan 𝑣 merupakan jumlah lompatan kebelakang.
9. Menghitung nilai prakiraan yang telah disesuaikan, dapat dilakukan dengan
aturan berikut :
18
Aturan 1
Apabila FLRG 𝐴𝑖 merupakan one to many dan state 𝐴𝑖+1 accessible dari 𝐴𝑖.
Kemudian, state 𝐴𝑖 communicate dengan 𝐴𝑖 , maka formula prakiraannya
yaitu:
𝐹′(𝑡) = 𝐹(𝑡) + 𝐷𝑡1 + 𝐷𝑡2 = 𝐹(𝑡) + (𝑙
2) + (
𝑙
2)
Aturan 2
Apabila FLRG 𝐴𝑖 merupakan one to many dan state 𝐴𝑖+1 accessible dari
state 𝐴𝑖. Namun, state 𝐴𝑖 tidak communicate dengan 𝐴𝑖 , maka formula
prakiraannya yaitu :
𝐹′(𝑡) = 𝐹(𝑡) + 𝐷𝑡2 = 𝐹(𝑡) + (𝑙
2)
Aturan 3
Saat v adalah jump step, maka formula dari hasil prakiraannya adalah
𝐹′(𝑡) = 𝐹(𝑡) + 𝐷𝑡1 + 𝐷𝑡2 = 𝐹(𝑡) + (𝑙
2) + (
𝑙
2) 𝑣 (5)
2.7 Perhitungan Error
Keakuratan untuk prakiraan menggunakan Mean Absolut Percentage Error
(MAPE). Rumusnya sebagai berikut :
𝑀𝐴𝑃𝐸 =1
𝑛∑
|𝑌𝑡−𝑌′𝑡|
𝑌𝑡
𝑛𝑡=1 (6)
Dengan :
𝑌𝑡 = nilai aktual pada periode ke-t
𝑌′𝑡 = nilai prakiraan akhir pada periode ke-t
𝑛 = jumlah sampel
Berikut kriteria nilai MAPE, yaitu [18]:
Tabel 2.4. Kriteria Nilai MAPE
Nilai MAPE Penjelasan
MAPE < 10% Kemampuan prakiraan sangat baik
10%< MAPE <20% Kemampuan prakiraan baik
20% < MAPE < 50% Kemampuan prakiraan cukup
MAPE < 50% Kemampuan prakiraan buruk
19
BAB III
METODOLOGI PENELITIAN
3.1 Metode Pengumpulan Data
Data yang digunakan dalam penelitian merupakan data sekunder yaitu
indeks harga konsumen (IHK) di Jawa Barat dalam periode januari 2008 sampai
maret 2019. Dalam penelitian ini menggunakan data kelompok pengeluaran dalam
bahan makanan. Terdapat 135 data dan diperoleh dari website Badan Pusat
Statistik (BPS) Jawa Barat.
3.2 Metode Pengolahan Data
Penelitian ini menggunakan aplikasi minitab dan R untuk mengetahui
prakiraan nilai IHK dengan metode Fuzzy Time Series Markov Chain. Berikut
adalah tahapan-tahapan yang dilakukan:
1. Mengambil data historikal secara keseluruhan pada Januari 2008 sampai
Maret 2019.
2. Menetapkan semesta 𝑈 = [𝐷𝑚𝑖𝑛 − 𝐷1, 𝐷𝑚𝑎𝑥 + 𝐷2] dengan 𝐷𝑚𝑎𝑥 merupakan
nilai maksimum pada data, 𝐷𝑚𝑖𝑛 merupaka nilai minimum pada data, 𝐷1 dan
𝐷2 merupakan bilangan positif.
3. Mendapatkan interval Fuzzy dengan metode Average Based Length.
4. Menentukan himpunan Fuzzy pada semesta U dengan mendeskripsikan 𝐴𝑖
sebagai interval partisi dari 𝑢𝑖.
5. Melakukan fuzifikasi data historik. Data di fuzifikasi kedalam 𝐴𝑖 apabila data
time series berada pada interval 𝑢𝑖.
6. Melakukan uji Fuzzy Logical Relationship (FLR) dan Fuzzy Logical
Relationship Group (FLRG).
7. Menghitung output prakiraan. Fuzzy Logical Relationship Group digunakan
untuk data time series akan memperoleh probabilitas dari stase ke stase yang
lain. Oleh karena itu, digunakan matriks Markov transisi dengan matriks
transisi 𝑛 × 𝑛. Rumus probabilitas transisi pada stase yaitu:
20
𝑃𝑖𝑗 =𝑀𝑖𝑗
𝑀𝑖 , 𝑖, 𝑗 = 1, 2 , … . , 𝑛
Dengan :
𝑃𝑖𝑗 = probabilitas transisional dari state 𝐴𝑖 ke 𝐴𝑗
𝑀𝑖𝑗 = jumlah transisi dari state 𝐴𝑖 ke 𝐴𝑗
𝑀𝑖 = jumlah data yang termasuk dalam state 𝐴𝑖.
8. Menghitung nilai prakiraan tahap awal dengan melihat hubungan diantara
suatu stase ke stase lain.
9. Menghitung nilai penyesuaian untuk mendapatkan perhitungan nilai
prakiraan akhir.
10. Melakukan perhitungan tingkat akurasi hasil prakiraan dari Fuzzy Time Series
Markov Chain dengan melihat nilai Mean Absolute Percentage Error
(MAPE).
11. Melakukan prakiraan nilai IHK untuk periode selanjutnya.
12. Membuat kesimpulan.
21
3.3 Alur Penelitian
Mulai
Data
Historik
Menetapkan Semesta
Persamaan 1
Menentukan Jumlah Interval
Persamaan 2
Melakukan Fuzifikasi Data
Melakukan FLR dan FLRG
Menentukan Matriks Transisi
Probabilitas Persamaan 3
Kesimpulan
Nilai IHK Periode
Selanjutnya
Hasil Prakiraan dengan
MAPE Persamaan 6
Menghitung Prakiraan Akhir
Persamaan 5
Menghitung Prakiraan Awal
Persamaan 4
Selesai
22
BAB IV
HASIL DAN PEMBAHASAN
4.1 Deskriptif Data
Data indeks harga konsumen dalam kelompok pengeluaran bahan makanan
periode Januari 2008 sampai Maret 2019 akan ditunjukan untuk gambaran umum
sebagai informasi awal. Terdapat 135 data yang digunakan dengan metode Fuzzy
Time Series Markov Chain. Gambaran umum tersebut dapat dilihat pada Tabel
4.1 di Lampiran I. Dapat dilihat, pada bulan Januari 2008 nilai IHK sebesar 106.27
sebagai nilai terendah dan pada bulan Agustus 2013 nilai IHK sebesar 188.28
sebagai nilai tertinggi.
Data akan disajikan dalam bentuk plot terlihat lebih jelas dari bulan Januari
2008 sampai Maret 2019 pada gambar berikut :
Gambar 4.1. Plot Indeks Harga Konsumen
Pada Gambar 4.1. terlihat pola dari data IHK. Dari tahun ke tahun terjadi
peningkatan yang signifikan hingga puncak tertinggi pada bulan Desember 2013
dan turun pada bulan Januari 2014. Meningkat kembali pada November 2015 dan
terus meningkat secara perlahan hingga awal 2019.
23
4.2 Pemodelan Fuzzy Time Series Markov Chain
Fuzzy Time Series Markov Chain memiliki langkah-langkah yang akan
digunakan untuk prakiraan, langkah 1 hingga 5 yaitu sesuai dengan Fuzzy Time
Series klasik, dan selanjutnya menggunakan metode Fuzzy Time Series Markov
Chain. Berikut langkah Prakiraan:
4.2.1 Menetapkan Semesta U dari Data Historis
Diketahui nilai 𝐷𝑚𝑎𝑥 = 188.28 dan nilai 𝐷𝑚𝑖𝑛 = 106.27 yang
didapatkan dari nilai terbesar dan terkecil pada data aktual. Kemudian,
menentukan nilai 𝐷1 dan 𝐷2 yang diperoleh dari bilangan positif. Maka definisi
himpunan semesta U yaitu dengan formula
𝑈 = [𝐷𝑚𝑖𝑛 − 𝐷1, 𝐷𝑚𝑎𝑥 + 𝐷2]
= [106.27 − 0.27 ; 188.28 + 2.72]
= [106 ; 191]
Setelah mendapatkan nilai interval, kemudian dilanjut dengan membuat
partisi dari semesta U dari data historik untuk menentukan interval (n) dengan
formula Average Based Length. Langkah-langkahnya sebagai berikut:
1. Hasil penjumlahan dari selisih nilai mutlak antara 𝐴𝑖+1 dan 𝐴𝑖 (𝑖 =
1,2. . , 𝑛 − 1) adalah 281.68 kemudian menghitung rata-rata dengan hasil
2.086 .
2. Rata-rata tersebut kemudian dibagi dua dan diperoleh 1.044.
3. Nilai yang diperoleh pada langkah sebelumnya untuk menentukan basis
pada data aktual. Basis yang didapatkan untuk panjang interval yaitu 1.
4. Jumlah interval dapat dihitung dengan :
𝑛 =(𝐷𝑚𝑎𝑥 − 𝐷2) − (𝐷𝑚𝑖𝑛−𝐷1)
𝑏𝑎𝑠𝑒
𝑛 =(191 − 106)
1
𝑛 = 85
Berdasarkan perhitungan diatas, jumlah interval sebanyak 85 untuk
mempartisi data dari himpunan semesta U. Pembagian semesta dari 85 interval
24
yaitu 𝑢1, 𝑢2 , 𝑢3, … , 𝑢85 dilakukan untuk mengetahui nilai batas bawah, batas
atas, dan nilai tengah. Didapatkan pembagian semesta pada Lampiran II.
4.2.2 Menetapkan Nilai Linguistik
Menetapkan nilai linguistik dari himpunan semesta dengan
menggunakan nilai interval. Tidak ada batasan dalam menentukan nilai
lingusitik dan akan ditunjukan dalam Tabel 4.1. berikut dan data selengkapnya
pada Lampiran III :
Tabel 4.1. Data Hasil Nilai Linguistik
𝒖𝒊 Interval
𝑢1 106-107
𝑢2 107-108
𝑢3 108-109
𝑢4 109-110
.. ..
𝑢83 188-189
𝑢84 189-190
𝑢85 190-191
Setelah menentukan nilai lingustik maka terbentuk himpunan Fuzzy.
Himpunan Fuzzy merupakan gabungan himpunan dari nilai yang menyatakan
pembobot pada interval. Terdapat 85 himpunan Fuzzy yang dibentuk dari
jumlah interval. Berikut diambil beberapa himpunan Fuzzy yang terbentuk dari
𝐴1,, 𝐴2, 𝐴85 dan himpunan selengkapnya terdapat pada Lampiran IV:
𝐴1 = {1 𝑢1 +⁄ 0.5 𝑢2 +⁄ 0 𝑢3 + ⋯ +⁄ 0 𝑢85⁄ }
𝐴2 = {0.5 𝑢1 +⁄ 1 𝑢2 +⁄ 0.5 𝑢3 + ⋯ +⁄ 0 𝑢85⁄ }
.
.
𝐴85 = {0 𝑢1 +⁄ 0 𝑢2 +⁄ … + 0.5 𝑢84 +⁄ 1 𝑢85⁄ }
25
4.2.3 Memfuzifikasi Data Historik
Fuzifikasi mengunakan himpunan Fuzzy yang sudah dibentuk. Metode
ini dilakukan dengan mengubah bentuk nilai IHK ke nilai linguistik, Berikut
merupakan hasil data yang difuzifikasi pada Lampiran V. Diambil contoh pada
bulan Januari 2008 nilai IHK sebesar 106.27 sehingga dapat dimuat pada
interval 𝑢1 = [106 ; 107], interval tersebut merupakan bagian dari himpunan
Fuzzy yaitu 𝐴1, maka Bulan Januari 2008 telah difuzifikasi yaitu 𝐴1. Jika
menggunakan kurva bahu nilai IHK sebesar 106.27 mempunyai nilai penuh
karena 𝑥 ≤ 106.5 mempunyai fungsi keangotaaannya 1.
Untuk melihat kebenaran fuzifikasi data dapat digunakan dengan
melihat kurva bahu yaitu pada gambar berikut :
Gambar 4.2. Kurva Bahu Himpunan 𝐴3 dan 𝐴4
Diambil contoh pada bulan Februari 2019 nilai IHK sebesar 109.3 dengan
menggunakan fungsi keanggotaan dari rumus kurva bahu, karena nilai IHK
tersebut berada diantara 𝐴3 dan 𝐴4 sehingga dapat dihitung :
𝜇𝐴3[109.3] =
(109.5 − 109.3)
(109.5 − 108.5)
= 0.2
𝜇𝐴4[109.3] =
(109.3 − 108.5)
(109.5 − 108.5)
= 0.8
26
Dapat dilihat dari kedua nilai fungsi keanggotaan bahwa nilai 109.3 pada
himpunan 𝐴4 memiliki fungsi keanggotaan lebih besar sehingga data bulan
Februari 2019 dapat di fuzifikasi ke 𝐴4. Perhitungan fungsi keanggotaan
selengkapnya ditunjukan pada Lampiran VI.
Setelah mendapatkan hasil dari fuzifikasi, kemudian dilanjut dengan
menentukan Fuzzy Logic Relationship yaitu dengan menghubungkan urutan
data ke data selanjutnya dalam bentuk himpunan Fuzzy. Data selengkapnya
yang telah di FLR akan ditunjukan pada Lampiran VII. Diberi contoh pada
bulan Januari 2019 data pertama yaitu 𝐴1, kemudian data kedua yaitu 𝐴4 maka
dengan FLR menjadi 𝐴1 → 𝐴4.
Dari hasil FLR. Selanjutnya, menentukan Fuzzy Logic Relationship
Group (FLRG). FLRG adalah pengelompokan hasil FLR untuk membentuk
terjadinya transisi dari hubungan suatu state ke state yang lain. Current state
merupakan nilai yang dihitung sebagai nilai prakiraan. Next state adalah data
yang digunakan sebagai isyarat untuk memperoleh nilai dari current state.
Berikut gambar untuk pengelompokan hasil FLR:
Gambar 4.3. FLRG Himpunan 𝐴1 hingga 𝐴15
Pada Gambar 4.3. menunjukan beberapa kelompok dari hasil FLR, jika transisi
memiliki warna ke segala arah menandakan terdapat FLRG dari current state
ke next state, kemudian jika transisi hanya berwarna gelap dan terdapat satu
arah artinya hanya terjadi FLR. Apabila terjadi looping maka peluangnya 1.
27
Gambar 4.4. FLRG Himpunan 𝐴16 hingga 𝐴22
Pada Gambar 4.4. apabila suatu transisi ke transisi lain terjadi lebih dari satu
kali maka dilabelkan. Misalkan himpunan 𝐴16 → 𝐴16 terjadi sebanyak empat
kali sehingga terdapat angka empat pada loop tersebut.
Gambar 4.5. FLRG Himpunan 𝐴23 hingga 𝐴35
Pada Gambar 4.5. apabila transisi terjadi dua arah maka pada transisi tersebut
mengalami communicate. Misalkan 𝐴29 → 𝐴30 dan 𝐴30 → 𝐴29 sehingga
terjadi communicate pada transisi tersebut.
28
Gambar 4.6. FLRG Himpunan 𝐴36 hingga 𝐴41
Pada Gambar 4.6. jumlah transisi ke transisi lain digunakan untuk menentukan
peluang pada matriks probabilitas transisi.
Gambar 4.7. FLRG Himpunan 𝐴42 hingga 𝐴45
Pada Gambar 4.7. keseluruhan himpunan 𝐴42 hingga 𝐴45 mengalami FLRG.
Diambil contoh pada himpunan 𝐴42 mengalami transisi ke banyak himpunan
yaitu 𝐴42 → 𝐴39,𝐴41,𝐴42,3(𝐴43),𝐴44,𝐴45.
29
Gambar 4.8. FLRG Himpunan 𝐴46 hingga 𝐴55
Pada Gambar 4.8. dapat dilihat jika terjadi transisi ke transisi lain maka telah
terjadi hubungan antar transisi tersebut.
Gambar 4.9. FLRG Himpunan 𝐴61 hingga 𝐴83
Pada Gambar 4.9. rata – rata hanya terjadi FLR pada setiap transisinya sehingga
mempunyai nilai peluang satu pada saat pembentukan matriks probabilitas
transisi. Keterangan lebih jelas mengenai FLRG akan ditunjukan pada Tabel
berikut:
30
Tabel 4.2. FLRG Data IHK
Current
State
Next State Current
State
Next State Current
State
Next
State
𝐴1 𝐴4 𝐴30 𝐴29, 𝐴29, 𝐴34 𝐴59 -
𝐴2 - 𝐴31 - 𝐴60 -
𝐴3 - 𝐴32 𝐴35 𝐴61 𝐴64
𝐴4 𝐴5 𝐴33 𝐴32, 𝐴33, 𝐴34 𝐴62 -
𝐴5 𝐴7 𝐴34 2(𝐴33), 𝐴34, 𝐴35
,2(𝐴36)
𝐴63 -
𝐴6 - 𝐴35 2(𝐴34),2(𝐴35)
,2(𝐴36)
𝐴64 𝐴69
𝐴7 𝐴9 𝐴36 2(𝐴35),𝐴36,
𝐴37,𝐴38,𝐴40
𝐴65 -
𝐴8 - 𝐴37 𝐴36,𝐴37,𝐴38 𝐴66 𝐴66,
𝐴70
𝐴9 𝐴9, 𝐴10 𝐴38 𝐴42 𝐴67 -
𝐴10 𝐴11 𝐴39 𝐴40,𝐴42 𝐴68 -
𝐴11 𝐴11, 𝐴12, 𝐴13, 𝐴15 𝐴40 𝐴40,𝐴41,𝐴42 𝐴69 𝐴66
𝐴12 𝐴14 𝐴41 𝐴37,2(𝐴42) 𝐴70 𝐴80
𝐴13 𝐴14 𝐴42 𝐴39,𝐴41,𝐴42,
3(𝐴43),𝐴44,
𝐴45
𝐴71 -
𝐴14 𝐴11, 𝐴14, 𝐴15, 𝐴17 𝐴43 2(𝐴42),𝐴43,
𝐴44
𝐴72 𝐴73
𝐴15 𝐴14, 𝐴15, 𝐴16 𝐴44 𝐴41,𝐴42,𝐴44 𝐴73 𝐴11
𝐴16 4(𝐴16),2(𝐴18) 𝐴45 𝐴47 𝐴74 -
𝐴17 𝐴20 𝐴46 𝐴49 𝐴75 𝐴72
𝐴18 𝐴16, 𝐴18, 𝐴19, 𝐴19 𝐴47 𝐴46,𝐴47,𝐴49 𝐴76 𝐴75
31
𝐴19 𝐴18, 𝐴21, 𝐴22 𝐴48 𝐴47 𝐴77 -
𝐴20 𝐴19, 𝐴21 𝐴49 𝐴48,𝐴53 𝐴78 -
𝐴21 𝐴20, 𝐴21, 𝐴23, 𝐴24 𝐴50 - 𝐴79 -
𝐴22 𝐴21, 𝐴22, 𝐴23, 𝐴23 𝐴51 - 𝐴80 𝐴83
𝐴23 𝐴24, 𝐴24, 𝐴26, 𝐴30 𝐴52 - 𝐴81 -
𝐴24 𝐴22, 𝐴22, 𝐴26, 𝐴28 𝐴53 𝐴55 𝐴82 -
𝐴25 - 𝐴54 𝐴54,𝐴55 𝐴83 𝐴76
𝐴26 𝐴24, 𝐴30 𝐴55 𝐴54,𝐴55,𝐴61 𝐴84 -
𝐴27 - 𝐴56 - 𝐴85 -
𝐴28 𝐴34 𝐴57 -
𝐴29 𝐴30, 𝐴30 𝐴58 -
4.2.4 Menghitung Prakiraan Awal
Prakiraan ini menggunakan konsep rantai Markov yaitu mengatur
perpindahan stase-stase dengan matriks probabilitas transisi. Hasil dari FLRG
mempermudah pembentukan matriks tersebut. Pada tahap ini matriks
probabilitas transisi berorde 85 × 85 yang mengikuti banyaknya interval.
Apabila stase 𝐴𝑖 melakukan transisi ke stase 𝐴𝑗 dan melewati stase 𝐴𝑘 , 𝑖, 𝑗 =
1,2, … , 𝑛 sehingga digunakan persamaan 𝑃𝑖𝑗 =𝑀𝑖𝑗
𝑀𝑖, 𝑖, 𝑗 = 1,2, … , 𝑛 untuk
matriks probabilitas trasisi. Diambil contoh pada bulan Februari 2008 terjadi
transisi dari 𝐴1 → 𝐴4 karena hanya mempunyai satu FLR dan berjumlah satu
berikut hasil matriks probabilitas transisi:
𝑃𝑖𝑗 = 1
1
= 1
Pada saat proses FLRG tidak semua himpunan dapat difuzifikasi karena
nilai data aktual tidak memiliki pada fungsi keanggotaan di interval tersebut.
Misal untuk himpunan 𝐴1 dan 𝐴3 tidak terdapat pada saat fuzifikasi karena
tidak ada fungsi keanggotaan di interval tersebut sehingga nilai matriks
32
probabilitas transisinya akan bernilai 0. Berikut beberapa contoh matriks
probabilitas transisi:
1 2 3 4 5 6 7
1 0.000 0.000 0.000 1.000 0.000 0.000 0.000
2 0.000 0.000 0.000 0.000 0.000 0.000 0.000
3 0.000 0.000 0.000 0.000 0.000 0.000 0.000
4 0.000 0.000 0.000 0.000 1.000 0.000 0.000
5 0.000 0.000 0.000 0.000 0.000 0.000 1.000
Hasil perhitungan matriks probabilitas transisi keseluruhan dapat
dilihat pada Lampiran VIII. Setelah mendapatkan hasil dari nilai matriks
probabilitas transisi, maka prakiraan awal dapat diketahui. Perhitungan
prakiraan dilakukan dari data kedua diberi contoh pada bulan Februari 2008
merupakan data kedua yang memiliki nilai stasenya yaitu 𝐴4 kemudian bulan
Januari 2008 merupakan data pertama dengan stase 𝐴1 sehingga stase
bertransisi 𝐴1 → 𝐴4, karena hanya satu transisi, dalam hal ini 𝐴1 merupakan
one to one dimana 𝑃𝑖𝑘 = 1, maka prakiraan yang sudah dihitung adalah:
𝐹2 = 𝑚𝑘𝑃𝑖𝑘
= 𝑚4𝑃14
= (109.5)(1)
= 109.5
Kemudian, diberikan contoh pada bulan Juni 2008 dapat dilihat dari FLR 𝐴9
→𝐴9, 𝐴10 karena transisi lebih dari satu sehingga relasinya yaitu one to many
maka prakiraan dapat dihitung adalah :
𝐹6 = 𝑌(𝑡−1)𝑃99 + 𝑚10𝑃910
= (114.29) (1
2) + (114.5) (
1
2)
= 114.89
Setelah menghitung prakiraan awal maka didapatkan hasil prakiraan awal pada
Tabel 4.3. berikut dan selengkapnya terdapat pada Lampiran IX :
33
Tabel 4.3. Hasil Prakiraan Awal
t Bulan-tahun Data IHK F(t)
1 Jan-08 106.27 0
2 Feb-08 109.3 109.5
3 Mar-08 110.67 110.5
4 Apr-08 112.32 112.5
5 May-08 114.29 114.5
6 Jun-08 114.72 114.39
. . . .
. . . .
130 Okt-18 145.08 146.3
131 Nov-18 145.39 146.33
132 Des-18 147.3 147.74
133 Jan-19 148.69 147.95
134 Feb-19 147.42 148.15
4.2.5 Melakukan Penyesuaian Prakiraan
Penentuan penyesuaian prakiraan dilihat dari hubungan antar state.
Misal pada bulan Februari 2008 stase pada FLR yaitu 𝐴1 → 𝐴4 terjadi jump
forward transition 𝐴𝑖+𝑠 , (1 ≤ 𝑠 ≤ 𝑛 − 𝑖) dengan persamaan 𝐷𝑡2 = (𝑙
2) 𝑠
dengan 𝑠 adalah jumlah lompatan kedepan , n adalah interval , i adalah transisi,
dan 𝑙 adalah panjang interval. Hasil perhitungannya sebagai berikut:
𝐷𝑡2 = (𝑙
2)𝑠
= (1
2) 3
= 1.5
Diambil contoh pada bulan Maret 2009. Stase FLR yaitu 𝐴18 → 𝐴16 terjadi
jump backward transition menuju 𝐴𝑖−𝑣, (1 ≤ 𝑣 < 𝑖) dengan persamaan 𝐷𝑡2 =
− (𝑙
2) 𝑣 dengan v adalah jumlah lompatan ke belakang, i adalah transisi, dan 𝑙
adalah panjang interval. Hasil perhitungannya sebagi berikut:
𝐷𝑡1 = −(𝑙
2)𝑣
= − (1
2) 2
34
= -1
Pada bulan April 2009 dengan stase FLR yaitu 𝐴16 → 𝐴16 , karena tidak
terjadi perpindahan transisi ke stase lain maka 𝐷𝑡 = 0. Hasil keseluruhan nilai
penyesuaian prakiraan akan ditunjukan pada Lampiran X.
4.2.6 Menghitung Prakiraan Akhir
Setelah melakukan perhitungan nilai penyesuaian prakiraan dan
mendapatkan hasil maka akan ditentukan prakiraan akhir, yaitu menjumlahkan
nilai prakiraan yang diperoleh dengan nilai penyesuaian yang ada. Diambil
contoh pada bulan April 2008 maka perhitungan untuk prakiraan akhir sebagai
berikut:
𝐹′20 = 𝐹20 ± 𝐷𝑡1 ± 𝐷𝑡2
= 112.32 + 1
= 113.5
Hasil dari nilai prakiraan akhir yang sudah dijumlahkan akan ditunjukan pada
Tabel 4.4 dan selengkapnya terdapat di Lampiran X:
Tabel 4.4. Hasil Prakiraan Akhir
t Data aktual F(t) D(t) F’(t)
1 106.27 0 0 0
2 109.3 109.5 1.5 111
3 110.67 110.5 0.5 111
4 112.32 112.5 1 113.5 5 114.29 114.5 1 115.50
. .. .. .. ..
. .. .. .. ..
132 147.3 147.75 0.5 148.24
133 148.69 147.95 -0.5 147.45
134 147.42 148.15 0 148.15
Kemudian, data aktual dan data prakiraan akhir akan disajikan dalam bentuk
plot supaya terlihat lebih jelas pada bulan Januari 2008 sampai Maret 2019
pada gambar berikut:
35
Gambar 4.10. Hasil Plot Nilai Prakiraan
4.3 Prakiraan Nilai IHK Periode Selanjutnya
Setelah mendapatkan nilai hasil prakiraan akhir dilanjutkan dengan
menghitung tingkat ukuran kesalahan prakiraan yaitu MAPE. Nilai MAPE dapat
dihitung dengan persamaan :
𝑀𝐴𝑃𝐸 =1
𝑛∑
|𝑌𝑡 − 𝑌′𝑡|
𝑌𝑡
𝑛
𝑡=1
𝑀𝐴𝑃𝐸 =1
135[
|111 − 109.3|
109.3+
|111 − 110.67|
110.67+ ⋯ +
|148.15 − 147.42|
147.42 ]
=1
135(2.22677)
= 0.0164
Dari persamaan tersebut maka didapatkan hasil 0.0164. Bila diubah kedalam
bentuk persen artinya tejadi penyimpangan kesalahan sebesar 1.64%. Hasil
prakiraannya sangat baik karena kurang dari 10%. Perhitungan keseluruhan data
MAPE terdapat pada Lampiran XI.
Untuk mendapatkan prakiraan nilai indeks harga konsumen selanjutnya
menggunakan Fuzzy Time Series Markov Chain. Dapat dihasilkan nilai prakiraan
untuk enam bulan selanjutnya. Hasil prakiraan yang didapat kemudian diolah
kembali menjadi data masuk untuk meramal nilai selanjutnya. Berikut hasil
prakiraan untuk enam bulan kedepan :
36
Tabel 4.5. Hasil Prakiraan Selanjutnya
No Bulan Hasil Prakiraan
FTS-MC
1 April 2019 147.5
2 Mei 2019 147.922
3 Juni 2019 148..028
4 Juli 2019 148.055
5 Agustus 2019 148.065
6 September 2019 148.069
Berdasarkan Tabel 4.5. diperoleh prakiraan nilai IHK untuk enam bulan selanjutnya
menggunakan Fuzzy Time Series Markov Chain dan mengalami kenaikan setiap
bulannya.
37
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil penelitian yang telah dibahas maka dapat disimpulkan
untuk hasil prakiraan indeks harga konsumen sebagai salah satu indikator
informasi standar tarif suatu harga di Jawa Barat dengan menggunakan Fuzzy
Time Series Markov Chain untuk enam bulan selanjutnya mulai dari bulan April
2019 sampai dengan September 2019 secara berturut-turut 147.5, 147.922,
148.028, 148.055, 148.065, 148.069.
Prakiraan yang sudah dihitung secara keseluruhan dilanjutkan dengan
menghitung nilai MAPE. Hasil dari perhitungan tersebut memiliki tingkat
penyimpangan kesalahan sebesar 1.64% sehingga memiliki hasil prakiraan yang
sangat baik karena kurang dari 10%. Pada Tabel 5.1. hasil prakiraan FTS-MC di
bulan April 2019 yaitu 147.5 sehingga terjadi inflasi sebesar 47.5%.
Waktu Data Prakiraan
FTS-MC
Data Aktual
April 2019 147.5 150.3
Mei 2019 147.922 153.83
Juni 2019 148..028 154.43
Juli 2019 148.055 155.40
Agustus 2019 148.065 -
September 2019 148.069 -
5.2 Saran
Saran yang dapat penulis berikan, supaya dapat mengembangkan penelitian
berikutnya adalah penelitian ini hanya menggunakan satu model, dan belum
mencoba model lain. Diharapkan selanjutnya dapat menggunakan metode lain
Tabel 5.1. Hasil Data Prakiraan FTS-MC dan Data Aktual
38
seperti ARIMA-EGARCH , ARIMA ataupun Fuzzy Time Series lainnya untuk
membandingkan dan mendapatkan model terbaik.
39
REFERENSI
[1] M. Maknum, "Hubungan Kausalitas Antara Inflasi dan Pertumbuhan
Ekonomi di Beberapa Negara ASEAN," Jurnal Ekonomi dan Bisnis
Indonesia, vol. 10, 1995.
[2] Anwar and F. Puspa, Buku Ajar Prakiraan Bisnis dan Ekonomi, Oktober
2015.
[3] W. S, "Penerapan Logika Fuzzy Dalam Penjadwalan Waktu Kuliah," Jurnal
Informatika UPGRIS, vol. 1, 2015.
[4] S. Kusumadewi and I. Guswaludin, "Fuzzy Multi-Criteria Decision
Making," Jurusan Teknik Informatika, vol. 3, pp. 25-38, 2005.
[5] Tsaur. R.-C, "A Fuzzy Time Series-Markov Chain Model With An
Application to Forecast The Exchange Rate Betwen The Taiwan US Dollar,"
ICIC international, vol. 8, pp. 4931-4941, 2011.
[6] Jonaidi. A, "Analisis Pertumbuhan Ekonomi dan Kemiskinan di Indonesia,"
Jurnal Kajian Ekonomi, vol. 1, p. 141, 2012.
[7] Saputra. K, "Analisis Faktor-Faktor yang Mempengaruhi Inflasi di
Indonesia," Dipenogoro Journal of Economics, vol. 3, pp. 2337-3814, 2014.
[8] "Indeks Harga Konsumen dan Inflasi Kota Semarang 2015-2016,"
September 2017. [Online]. Available : https : // semarangkota.bps.go.id /
publication/2016/07/15/0c457caa90a4c15bec8c8524/indeks-harga-
konsumen-dan-inflasi-kota-semarang-2015.html. [Accessed 01 July 2019].
[9] Atmadja. A. S, "Inflasi Di Indonesia: Sumber-Sumber Penyebab dan
Pengendaliannya," Jurnal Akuntasi dan Keuangan, vol. 1, pp. 54-67, 1999.
[10] T. Fahmi, Sudarno and Wilandri, "Perbandingan Metode Pemulusan
Eksponensial Tunggal dan Fuzzy Time Series Untuk Memprakiraan Indeks
Harga Saham Gabungan," Jurnal GAUSSIAN, vol. 2, pp. 137-146, 2013.
[11] Halim. S., "Diktat-Time Series Analysis," 2006.
[12] Winchern and J. E. Hanke, "Bussiness Forecasting (8 Edition),"
International Journal of Forecasting, vol. 22, pp. 823-824, 2006.
[13] J. Heizer and B. Render, Manajemen Operasi, Penerbit: Salemba Empat,
2009.
[14] S. Makridakis, Metode dan Aplikasi Prakiraan, Jakarta: Erlangga, 1999.
40
[15] Kusumadewi. S, Artificial Intelligence, Yogyakarta: Graha Ilmu, 2003.
[16] Wardani. Akbar R, Nasution. Yuki N, Amijaya Fidia D, "Aplikasi Logika
Fuzzy Dalam Mengoptimalkan Produksi Minyak Kelapa Sawut di PT. Waru
Kaltim Platation Menggunakan Metode Mamdani," Jurnal Informatika
Mulawarman, vol.12, pp. 94-103, 2017
[17] I. G. A. Made S, Pengantar Proses Stokastik, 2013.
[18] Ross. SM, Introduction to Probability Models, California (US), 2015.
[19] Q. Song and B. S. Chissom, "Fuzzy Time Series and Its Model,"
ScienceDirect, vol. 54, no. 3, pp. 269-277, 1993.
[20] P. Saxena, K. Sharma and S. Easo, "Forecasting Enrollment Based on Fuzzy
Time Series With Higher Forecast Accuracy Rate," International Journal
Computer Technology and Application, vol. 3, pp. 957-961, 2012.
[21] J. Heizer and B. Render, Manajemen Operasi, Jakarta: Salemba Empat.
41
LAMPIRAN
LAMPIRAN I
Data Indeks Harga Konsumen Januari 2008 – Maret 2019
Bulan IHK Bulan IHK Bulan IHK Bulan IHK Bulan IHK Bulan IHK
Januari
2008
106.27 Januari
2010
128.07 Januari
2012
154.37 Januari
2014
116.6 Januari
2016
135.59 Januari
2018
145.8
Februari 109.3 Februari 129.47 Februari 153.51 Februari 118.85 Februari 134.41 Februari 146.44
Maret 110.67 Maret 127.81 Maret 152.57 Maret 119.12 Maret 135.53 Maret 147.13
April 112.32 April 128.36 April 152.44 April 116.61 April 134.77 april 146.02
Mei 114.29 Mei 129.19 Mei 151.96 Mei 116.03 Mei 135.46 Mei 147.28
Juni 114.72 Juni 133.31 Juni 154.4 Juni 117.63 Juni 139.07 Juni 148.29
Juli 115.96 Juli 139.73 Juli 158.45 Juli 119.93 Juli 139.82 Juli 149.84
Agustus 116.96 Agustus 141 Agustus 160.95 Agustus 120.15 Agustus 138.7 Agustus 147.69
September 120.12 September 141.44 September 160.41 September 119.69 September 138.27 September 144.99
Oktober 120.96 Oktober 141.04 Oktober 159.52 Oktober 119.55 Oktober 137.87 Oktober 145.08
November 121.32 November 143.98 November 159.06 November 122.42 November 140.33 November 145.39
Desember 121.09 Desember 147.11 Desember 160.55 Desember 125.89 Desember 140.96 Desember 147.3
Januari
2009
121.87 Januari
2011
149.5 Januari
2013
166.19 Januari
2015
126.54 Januari
2017
141.05 Januari
2019
148.69
Februari 123.69 Februari 149.03 Februari 169.77 Februari 125.67 Februari 140.75 Februari 147.42
Maret 123.58 Maret 146.4 Maret 174.31 Maret 124.64 Maret 140.55 Maret 147.83
April 121.88 April 142.98 April 171.92 April 123.17 April 139.42 Mei 121.72 Mei 142.7 Mei 171.54 Mei 124.65 Mei 141.15 Juni 121.56 Juni 144.04 Juni 175.25 Juni 126.56 Juni 142.32 Juli 123.04 Juli 147.35 Juli 185.84 Juli 129.23 Juli 141.9 Agustus 124.76 Agustus 148.46 Agustus 188.28 Agustus 131.57 Agustus 140.4 September 127.59 September 148.02 September 181.44 September 129.28 September 139.52 Oktober 127.46 Oktober 147.89 Oktober 180.16 Oktober 127.57 Oktober 138.98 November 126.36 November 150.16 November 177.92 November 128.03 November 139.33 Desember 126.06 Desember 152.3 Desember 178.76 Desember 131.84 Desember 141.73
42
LAMPIRAN II
Data Batas Interval
𝒖𝒊 Batas
atas
Batas
bawah
Nilai
tengah
𝒖𝒊 Batas
atas
Batas
bawah
Nilai
tengah
𝑢1 106 107 106.5 𝑢44 149 150 149.5
𝑢2 107 108 107.5 𝑢45 150 151 150.5
𝑢3 108 109 108.5 𝑢46 151 152 151.5
𝑢4 109 110 109.5 𝑢47 152 153 152.5
𝑢5 110 111 110.5 𝑢48 153 154 153.5
𝑢6 111 112 111.5 𝑢49 154 155 154.5
𝑢7 112 113 112.5 𝑢50 155 156 155.5
𝑢8 113 114 113.5 𝑢51 156 157 156.5
𝑢9 114 115 114.5 𝑢52 157 158 157.5
𝑢10 115 116 115.5 𝑢53 158 159 158.5
𝑢11 116 117 116.5 𝑢54 159 160 159.5
𝑢12 117 118 117.5 𝑢55 160 161 160.5
𝑢13 118 119 118.5 𝑢56 161 162 161.5
𝑢14 119 120 119.5 𝑢57 162 163 162.5
𝑢15 120 121 120.5 𝑢58 163 164 163.5
𝑢16 121 122 121.5 𝑢59 164 165 164.5
𝑢17 122 123 122.5 𝑢60 165 166 165.5
𝑢18 123 124 123.5 𝑢61 166 167 166.5
𝑢19 124 125 124.5 𝑢62 167 168 167.5
𝑢20 125 126 125.5 𝑢63 168 169 168.5
𝑢21 126 127 126.5 𝑢64 169 170 169.5
𝑢22 127 128 127.5 𝑢65 170 171 170.5
𝑢23 128 129 128.5 𝑢66 171 172 171.5
𝑢24 129 130 129.5 𝑢67 172 173 172.5
𝑢25 130 131 130.5 𝑢68 173 174 173.5
43
𝑢26 131 132 131.5 𝑢69 174 175 174.5
𝑢27 132 133 132.5 𝑢70 175 176 175.5
𝑢28 133 134 133.5 𝑢71 176 177 176.5
𝑢29 134 135 134.5 𝑢72 177 178 177.5
𝑢30 135 136 135.5 𝑢73 178 179 178.5
𝑢31 136 137 136.5 𝑢74 179 180 179.5
𝑢32 137 138 137.5 𝑢75 180 181 180.5
𝑢33 138 139 138.5 𝑢76 181 182 181.5
𝑢34 139 140 139.5 𝑢77 182 183 182.5
𝑢35 140 141 140.5 𝑢78 183 184 183.5
𝑢36 141 142 141.5 𝑢79 184 185 184.5
𝑢37 142 143 142.5 𝑢80 185 186 185.5
𝑢38 143 144 143.5 𝑢81 186 187 186.5
𝑢39 144 145 144.5 𝑢82 187 188 187.5
𝑢40 145 146 145.5 𝑢83 188 189 188.5
𝑢41 146 147 146.5 𝑢84 189 190 189.5
𝑢42 147 148 147.5 𝑢85 190 191 190.5
𝑢43 148 149 148.5
Data Batas Interval
44
LAMPIRAN III
Data Nilai Linguistik Dari Himpunan Semesta
𝒖𝒊 Nilai Interval 𝒖𝒊 Nilai Interval
𝑢1 106-107 𝑢48 153-154
𝑢2 107-108 𝑢49 154-155
𝑢3 108-109 𝑢50 155-156
𝑢4 109-110 𝑢51 156-157
𝑢5 110-111 𝑢52 157-158
𝑢6 111-112 𝑢53 158-159
𝑢7 112-113 𝑢54 159-160
𝑢8 113-114 𝑢55 160-161
𝑢9 114-115 𝑢56 161-162
𝑢10 115-116 𝑢57 162-163
𝑢11 116-117 𝑢58 163-164
𝑢12 117-118 𝑢59 164-165
𝑢13 118-119 𝑢60 165-166
𝑢14 119-120 𝑢61 166-167
𝑢15 120-121 𝑢62 167-168
𝑢16 121-122 𝑢63 168-169
𝑢17 122-123 𝑢64 169-170
𝑢18 123-124 𝑢65 170-171
𝑢19 124-125 𝑢66 171-172
𝑢20 125-126 𝑢67 172-173
𝑢21 126-127 𝑢68 173-174
𝑢22 127-128 𝑢69 174-175
𝑢23 128-129 𝑢70 175-176
𝑢24 129-130 𝑢71 176-177
𝑢25 130-131 𝑢72 177-178
𝑢26 131-132 𝑢73 178-179
45
𝑢27 132-133 𝑢74 179-180
𝑢28 133-134 𝑢75 180-181
𝑢29 134-135 𝑢76 181-182
𝑢30 135-136 𝑢77 182-183
𝑢31 136-137 𝑢78 183-184
𝑢32 137-138 𝑢79 184-185
𝑢33 138-139 𝑢80 185-186
𝑢34 139-140 𝑢81 186-187
𝑢35 140-141 𝑢82 187-188
𝑢36 141-142 𝑢83 188-189
𝑢37 142-143 𝑢84 189-190
𝑢38 143-144 𝑢85 190-191
𝑢39 144-145
𝑢40 145-146
𝑢41 146-147
𝑢42 147-148
𝑢43 148-149
𝑢44 149-150
𝑢45 150-151
𝑢46 151-152
𝑢47 152-153
Data Nilai Linguistik Dari Himpunan Semesta
46
LAMPIRAN IV
Hasil Himpunan Fuzzy
𝐴1 = 1 𝑢1 +⁄ 0.5 𝑢2 +⁄ 0 𝑢3 + 0 𝑢4 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴2 = 0.5 𝑢1 +⁄ 1 𝑢2 +⁄ 0.5 𝑢3 + 0 𝑢4 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴3 = 0 𝑢1 +⁄ 0.5 𝑢2 +⁄ 1 𝑢3 + 0.5 𝑢4 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴4 = 0 𝑢1 +⁄ 0 𝑢2 +⁄ 0.5 𝑢3 +⁄ 1 𝑢4 + 0.5 𝑢5 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴5 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢4 +⁄ 1 𝑢5 + 0.5 𝑢6 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴6 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢5 +⁄ 1 𝑢6 + 0.5 𝑢7 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴7 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢6 +⁄ 1 𝑢7 + 0.5 𝑢8 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴8 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢7 +⁄ 1 𝑢8 + 0.5 𝑢9 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴9 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢8 +⁄ 1 𝑢9 + 0.5 𝑢10 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴10 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢9 +⁄ 1 𝑢10 + 0.5 𝑢11 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴11 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢10 +⁄ 1 𝑢11 + 0.5 𝑢12 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴12 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢11 +⁄ 1 𝑢12 + 0.5 𝑢13 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴13 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢12 +⁄ 1 𝑢13 + 0.5 𝑢14 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴14 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢13 +⁄ 1 𝑢14 + 0.5 𝑢15 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴15 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢14 +⁄ 1 𝑢15 + 0.5 𝑢16 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴16 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢15 +⁄ 1 𝑢16 + 0.5 𝑢17 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴17 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢16 +⁄ 1 𝑢17 + 0.5 𝑢18 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴18 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢17 +⁄ 1 𝑢18 + 0.5 𝑢19 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴19 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢18 +⁄ 1 𝑢19 + 0.5 𝑢20 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴20 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢19 +⁄ 1 𝑢20 + 0.5 𝑢21 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴21 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢20 +⁄ 1 𝑢21 + 0.5 𝑢22 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴22 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢21 +⁄ 1 𝑢22 + 0.5 𝑢23 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴23 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢22 +⁄ 1 𝑢23 + 0.5 𝑢24 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴24 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢23 +⁄ 1 𝑢24 + 0.5 𝑢25 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴25 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢24 +⁄ 1 𝑢25 + 0.5 𝑢26 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴26 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢25 +⁄ 1 𝑢26 + 0.5 𝑢27 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴27 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢26 +⁄ 1 𝑢27 + 0.5 𝑢28 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
47
Hasil Himpunan Fuzzy
𝐴28 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢27 +⁄ 1 𝑢28 + 0.5 𝑢29 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴29 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢28 +⁄ 1 𝑢29 + 0.5 𝑢30 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴30 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢29 +⁄ 1 𝑢30 + 0.5 𝑢31 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴31 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢30 +⁄ 1 𝑢31 + 0.5 𝑢32 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴32 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢31 +⁄ 1 𝑢32 + 0.5 𝑢33 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴33 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢32 +⁄ 1 𝑢33 + 0.5 𝑢34 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴34 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢33 +⁄ 1 𝑢34 + 0.5 𝑢35 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴35 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢34 +⁄ 1 𝑢35 + 0.5 𝑢36 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴36 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢35 +⁄ 1 𝑢36 + 0.5 𝑢37 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴37 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢36 +⁄ 1 𝑢37 + 0.5 𝑢38 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴38 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢37 +⁄ 1 𝑢38 + 0.5 𝑢39 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴39 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢38 +⁄ 1 𝑢39 + 0.5 𝑢40 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴40 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢39 +⁄ 1 𝑢40 + 0.5 𝑢41 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴41 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢40 +⁄ 1 𝑢41 + 0.5 𝑢42 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴42 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢41 +⁄ 1 𝑢42 + 0.5 𝑢43 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴43 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢42 +⁄ 1 𝑢43 + 0.5 𝑢44 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴44 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢43 +⁄ 1 𝑢44 + 0.5 𝑢45 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴45 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢44 +⁄ 1 𝑢45 + 0.5 𝑢46 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴46 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢45 +⁄ 1 𝑢46 + 0.5 𝑢47 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴47 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢46 +⁄ 1 𝑢47 + 0.5 𝑢48 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴48 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢47 +⁄ 1 𝑢48 + 0.5 𝑢49 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴49 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢48 +⁄ 1 𝑢49 + 0.5 𝑢50 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴50 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢49 +⁄ 1 𝑢50 + 0.5 𝑢51 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴51 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢50 +⁄ 1 𝑢51 + 0.5 𝑢52 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴52 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢51 +⁄ 1 𝑢52 + 0.5 𝑢53 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴53 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢52 +⁄ 1 𝑢53 + 0.5 𝑢54 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴54 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢53 +⁄ 1 𝑢54 + 0.5 𝑢55 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴55 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢54 +⁄ 1 𝑢55 + 0.5 𝑢56 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴56 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢55 +⁄ 1 𝑢56 + 0.5 𝑢57 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
48
Hasil Himpunan Fuzzy
𝐴57 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢56 +⁄ 1 𝑢57 + 0.5 𝑢58 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴58 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢57 +⁄ 1 𝑢58 + 0.5 𝑢59 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴59 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢58 +⁄ 1 𝑢59 + 0.5 𝑢60 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴60 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢59 +⁄ 1 𝑢60 + 0.5 𝑢61 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴61 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢60 +⁄ 1 𝑢61 + 0.5 𝑢62 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴62 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢61 +⁄ 1 𝑢62 + 0.5 𝑢63 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴63 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢62 +⁄ 1 𝑢63 + 0.5 𝑢64 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴64 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢63 +⁄ 1 𝑢64 + 0.5 𝑢65 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴65 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢64 +⁄ 1 𝑢65 + 0.5 𝑢66 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴66 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢65 +⁄ 1 𝑢66 + 0.5 𝑢67 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴67 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢66 +⁄ 1 𝑢67 + 0.5 𝑢68 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴68 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢67 +⁄ 1 𝑢68 + 0.5 𝑢69 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴69 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢68 +⁄ 1 𝑢69 + 0.5 𝑢70 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴70 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢69 +⁄ 1 𝑢70 + 0.5 𝑢71 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴71 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢70 +⁄ 1 𝑢71 + 0.5 𝑢72 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴72 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢71 +⁄ 1 𝑢72 + 0.5 𝑢73 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴73 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢72 +⁄ 1 𝑢73 + 0.5 𝑢74 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴74 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢73 +⁄ 1 𝑢74 + 0.5 𝑢75 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴75 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢74 +⁄ 1 𝑢75 + 0.5 𝑢76 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴76 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢75 +⁄ 1 𝑢76 + 0.5 𝑢77 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴77 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢76 +⁄ 1 𝑢77 + 0.5 𝑢78 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴78 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢77 +⁄ 1 𝑢78 + 0.5 𝑢79 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴79 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢78 +⁄ 1 𝑢79 + 0.5 𝑢80 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴80 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢79 +⁄ 1 𝑢80 + 0.5 𝑢81 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴81 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢80 +⁄ 1 𝑢81 + 0.5 𝑢82 + ⋯ +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴82 = 0 𝑢1 + ⋯ +⁄ 0.5 𝑢81 +⁄ 1 𝑢82 + 0.5 𝑢83 +⁄⁄ 0 𝑢84⁄ + 0 𝑢85⁄
𝐴83 = 0 𝑢1 + ⋯ +⁄ 0 𝑢81 +⁄ 0.5 𝑢82 +⁄ 1 𝑢83 + 0.5 𝑢84 +⁄⁄ 0 𝑢85⁄
𝐴84 = 0 𝑢1 + ⋯ +⁄ 0 𝑢81 +⁄ 0.5 𝑢82 +⁄ 0.5 𝑢83 +⁄ 1 𝑢84 + 0.5 𝑢85⁄⁄
𝐴85 = 0 𝑢1 + ⋯ +⁄ 0 𝑢81 +⁄ 0 𝑢82 +⁄ 0 𝑢83 +⁄ 0.5 𝑢84 +⁄ 1 𝑢85⁄
49
LAMPIRAN V
Hasil Fuzzifikasi Data
Bulan Data Aktual
Fuzzifikasi
Bulan Data Aktual
Fuzzifikasi
Bulan Data Aktual
Fuzzifikasi
Jan-08 106.27 A1 Oct-11 147.89 A42 Jul-15 129.23 A24
Feb-08 109.3 A4 Nov-11 150.16 A45 Aug-15 131.57 A26
Mar-08 110.67 A5 Dec-11 152.3 A47 Sep-15 129.28 A24
Apr-08 112.32 A7 Jan-12 154.37 A49 Oct-15 127.57 A22
May-08 114.29 A9 Feb-12 153.51 A48 Nov-15 128.03 A23
Jun-08 114.72 A9 Mar-12 152.57 A47 Dec-15 131.84 A26
Jul-08 115.96 A10 Apr-12 152.44 A47 Jan-16 135.59 A30
Aug-08 116.96 A11 May-12 151.96 A46 Feb-16 134.41 A29
Sep-08 120.12 A15 Jun-12 154.4 A49 Mar-16 135.53 A30
Oct-08 120.96 A15 Jul-12 158.45 A53 Apr-16 134.77 A29
Nov-08 121.32 A16 Aug-12 160.95 A55 May-16 135.46 A30
Dec-08 121.09 A16 Sep-12 160.41 A55 Jun-16 139.07 A34
Jan-09 121.87 A16 Oct-12 159.52 A54 Jul-16 139.82 A34
Feb-09 123.69 A18 Nov-12 159.06 A54 Aug-16 138.7 A33
Mar-09 123.58 A18 Dec-12 160.55 A55 Sep-16 138.27 A33
Apr-09 121.88 A16 Jan-13 166.19 A61 Oct-16 137.87 A32
May-09 121.72 A16 Feb-13 169.77 A64 Nov-16 140.33 A35
Jun-09 121.56 A16 Mar-13 174.31 A69 Dec-16 140.96 A35
Jul-09 123.04 A18 Apr-13 171.92 A66 Jan-17 141.05 A36
Aug-09 124.76 A19 May-13 171.54 A66 Feb-17 140.75 A35
Sep-09 127.59 A22 Jun-13 175.25 A70 Mar-17 140.55 A35
Oct-09 127.46 A22 Jul-13 185.84 A80 Apr-17 139.42 A34
Nov-09 126.36 A21 Aug-13 188.28 A83 May-17 141.15 A36
Dec-09 126.06 A21 Sep-13 181.44 A76 Jun-17 142.32 A37
Jan-10 128.07 A23 Oct-13 180.16 A75 Jul-17 141.9 A36
Feb-10 129.47 A24 Nov-13 177.92 A72 Aug-17 140.4 A35
Mar-10 127.81 A22 Dec-13 178.76 A73 Sep-17 139.52 A34
Apr-10 128.36 A23 Jan-14 116.6 A11 Oct-17 138.98 A33
May-10 129.19 A24 Feb-14 118.85 A13 Nov-17 139.33 A34
Jun-10 133.31 A28 Mar-14 119.12 A14 Dec-17 141.73 A36
Jul-10 139.73 A34 Apr-14 116.61 A11 Jan-18 145.8 A40
Aug-10 141 A36 May-14 116.03 A11 Feb-18 146.44 A41
Sep-10 141.44 A36 Jun-14 117.63 A12 Mar-18 147.13 A42
Oct-10 141.04 A36 Jul-14 119.93 A14 Apr-18 146.02 A41
Nov-10 143.98 A38 Aug-14 120.15 A15 May-18 147.28 A42
Dec-10 147.11 A42 Sep-14 119.69 A14 Jun-18 148.29 A43
Jan-11 149.5 A44 Oct-14 119.55 A14 Jul-18 149.84 A44
Feb-11 149.03 A44 Nov-14 122.42 A17 Aug-18 147.69 A42
Mar-11 146.4 A41 Dec-14 125.89 A20 Sep-18 144.99 A39
Apr-11 142.98 A37 Jan-15 126.54 A21 Oct-18 145.08 A40
May-11 142.7 A37 Feb-15 125.67 A20 Nov-18 145.39 A40
Jun-11 144.04 A39 Mar-15 124.64 A19 Dec-18 147.3 A42
Jul-11 147.35 A42 Apr-15 123.17 A18 Jan-19 148.69 A43
50
Aug-11 148.46 A43 May-15 124.65 A19 Feb-19 147.42 A42
Sep-11 148.02 A43 Jun-15 126.56 A21 Mar-19 147.83 A42
Hasil Fuzzifikasi Data
51
LAMPIRAN VI
Hasil Nilai Fungsi Keanggotaan
Data Aktual Fungsi
Keanggotaan
Data Aktual Fungsi
Keanggotaan
106.27 𝜇𝐴1= 1
119.12 𝜇𝐴13
= 0.38
𝜇𝐴14= 0.62
109.3 𝜇𝐴3= 0.2
116.61 𝜇𝐴11
= 0.89
𝜇𝐴4= 0.8 𝜇𝐴12
= 0.11
110.67 𝜇𝐴5= 0.83
116.03 𝜇𝐴10
= 0.47
𝜇𝐴6= 0.17 𝜇𝐴11
= 0.53
112.32 𝜇𝐴6= 0.18
117.63 𝜇𝐴12
= 0.87
𝜇𝐴7= 0.82 𝜇𝐴13
= 0.13
114.29 𝜇𝐴8= 0.21 119.93 𝜇𝐴14
= 0.38
𝜇𝐴9= 0.79 𝜇𝐴15
= 0.62
114.72 𝜇𝐴9= 0.78 120.15 𝜇𝐴15
= 0.35
𝜇𝐴10= 0.22 𝜇𝐴16
= 0.65
115.96 𝜇𝐴10= 0.54 119.69 𝜇𝐴14
= 0.81
𝜇𝐴11= 0.46 𝜇𝐴15
= 0.19
116.96 𝜇𝐴11= 0.54 122.42 𝜇𝐴16
= 0.08
𝜇𝐴12= 0.46 𝜇𝐴17
= 0.92
120.12 𝜇𝐴14= 0.38 125.89 𝜇𝐴20
= 0.61
𝜇𝐴15= 0.62 𝜇𝐴21
= 0.39
120.96 𝜇𝐴15= 0.54 126.54 𝜇𝐴21
= 0.96
𝜇𝐴16= 0.46 𝜇𝐴22
= 0.04
121.32 𝜇𝐴15= 0.18 125.67 𝜇𝐴20
= 0.91
𝜇𝐴16= 0.82 𝜇𝐴21
= 0.09
121.09 𝜇𝐴15= 0.41 124.64 𝜇𝐴19
= 0.86
𝜇𝐴16= 0.59 𝜇𝐴20
= 0.14
121.87 𝜇𝐴16= 0.63 123.17 𝜇𝐴17
= 0.33
𝜇𝐴17= 0.37 𝜇𝐴18
= 0.67
123.69 𝜇𝐴18= 0.81 124.65 𝜇𝐴19
= 0.85
𝜇𝐴19= 0.19 𝜇𝐴20
= 0.15
123.58 𝜇𝐴18= 0.92 126.56 𝜇𝐴21
= 0.94
𝜇𝐴19= 0.08 𝜇𝐴22
= 0.06
121.88 𝜇𝐴16= 0.62 129.23 𝜇𝐴23
= 0.27
𝜇𝐴17= 0.38 𝜇𝐴24
= 0.73
121.72 𝜇𝐴16= 0.78 131.57 𝜇𝐴26
= 0.93
𝜇𝐴17= 0.22 𝜇𝐴27
= 0.07
121.56 𝜇𝐴16= 0.94 129.28 𝜇𝐴23
= 0.22
52
𝜇𝐴17= 0.06 𝜇𝐴24
= 0.78
123.04
𝜇𝐴17= 0.46 127.57 𝜇𝐴22
= 0.98
𝜇𝐴18= 0.54 𝜇𝐴23
= 0.02
124.76 𝜇𝐴19= 0.74 128.03 𝜇𝐴22
= 0.02
𝜇𝐴20= 0.16 𝜇𝐴23
= 0.53
127.59 𝜇𝐴22= 0.91 131.84 𝜇𝐴26
= 0.66
𝜇𝐴23= 0.04 𝜇𝐴27
= 0.34
127.46 𝜇𝐴21= 0.04 135.59 𝜇𝐴30
= 0.91
𝜇𝐴22= 0.96 𝜇𝐴31
= 0.09
126.36 𝜇𝐴20= 0.14 134.41 𝜇𝐴28
= 0.09
𝜇𝐴21= 0.86 𝜇𝐴29
= 0.91
126.06 𝜇𝐴20= 0.44 135.53 𝜇𝐴30
= 0.97
𝜇𝐴21= 0.56 𝜇𝐴31
= 0.03
128.07 𝜇𝐴22= 0.43 134.77 𝜇𝐴29
= 0.77
𝜇𝐴23= 0.57 𝜇𝐴30
= 0.27
129.47 𝜇𝐴23= 0.03 135.46 𝜇𝐴29
= 0.04
𝜇𝐴24= 0.97 𝜇𝐴30
= 0.96
127.81 𝜇𝐴22= 0.69 139.07 𝜇𝐴33
= 0.43
𝜇𝐴23= 0.31 𝜇𝐴34
= 0.57
128.36 𝜇𝐴22= 0.14 139.82 𝜇𝐴34
= 0.68
𝜇𝐴24= 0.86 𝜇𝐴35
= 0.32
129.19 𝜇𝐴23= 0.31 138.7 𝜇𝐴33
= 0.8
𝜇𝐴24= 0.69 𝜇𝐴34
= 0.2
133.31 𝜇𝐴27= 0.19 138.27 𝜇𝐴32
= 0.23
𝜇𝐴28= 0.81 𝜇𝐴33
= 0.77
139.73 𝜇𝐴34= 0.77 137.87 𝜇𝐴32
= 0.64
𝜇𝐴35= 0.23 𝜇𝐴33
= 0.37
141 𝜇𝐴35= 0.5 140.33 𝜇𝐴34
= 0.17
𝜇𝐴36= 0.5 𝜇𝐴35
= 0.83
141.44 𝜇𝐴35= 0.06 140.96 𝜇𝐴35
= 0.54
𝜇𝐴36= 0.94 𝜇𝐴36
= 0.46
141.04 𝜇𝐴35= 0.46 129.23 𝜇𝐴23
= 0.27
𝜇𝐴36= 0.54 𝜇𝐴24
= 0.73
143.98 𝜇𝐴38= 0.52 131.57 𝜇𝐴26
= 0.93
𝜇𝐴39= 0.48 𝜇𝐴27
= 0.07
147.11 𝜇𝐴41= 0.39 141.05 𝜇𝐴35
= 0.45
𝜇𝐴42= 0.61 𝜇𝐴36
= 0.55
149.5 𝜇𝐴44= 1 140.75 𝜇𝐴35
= 0.75
𝜇𝐴36= 0.25
149.03 𝜇𝐴43= 0.47 140.55 𝜇𝐴35
= 0.95
Hasil Nilai Fungsi Keanggotaan
53
𝜇𝐴44= 0.53 𝜇𝐴36
= 0.05
146.4 𝜇𝐴40= 0.1 139.42 𝜇𝐴33
= 0.08
𝜇𝐴41= 0.9 𝜇𝐴34
= 0.92
142.98 𝜇𝐴37= 0.52 141.15 𝜇𝐴35
= 0.35
𝜇𝐴38= 0.48 𝜇𝐴36
= 0.65
142.7 𝜇𝐴37= 0.8 142.32 𝜇𝐴36
= 0.18
𝜇𝐴38= 0.2 𝜇𝐴37
= 0.82
144.04 𝜇𝐴38= 0.46 141.9
𝜇𝐴36= 0.6
𝜇𝐴39= 0.54 𝜇𝐴37
= 0.4
147.35 𝜇𝐴41= 0.15 140.4
𝜇𝐴34= 0.1
𝜇𝐴42= 0.85 𝜇𝐴35
= 0.9
148.46 𝜇𝐴42= 0.04 139.52
𝜇𝐴34= 0.98
𝜇𝐴43= 0.96 𝜇𝐴35
= 0.02
148.02 𝜇𝐴42= 0.48 138.98
𝜇𝐴33= 0.52
𝜇𝐴43= 0.52 𝜇𝐴34
= 0.48
147.89 𝜇𝐴42
= 0.61 139.33
𝜇𝐴33= 0.17
𝜇𝐴43= 0.39 𝜇𝐴34
= 0.83
150.16 𝜇𝐴44
= 0.34 141.73
𝜇𝐴36= 0.77
𝜇𝐴45= 0.66 𝜇𝐴37
= 0.23
152.3 𝜇𝐴46
= 0.2 145.8
𝜇𝐴40= 0.7
𝜇𝐴47= 0.8 𝜇𝐴41
= 0.3
154.37 𝜇𝐴48
= 0.13 146.44 𝜇𝐴40= 0.06
𝜇𝐴49= 0.87 𝜇𝐴41
= 0.94
153.51 𝜇𝐴47
= 0.99 147.13 𝜇𝐴41= 0.37
𝜇𝐴48= 0.01 𝜇𝐴42
= 0.63
152.57 𝜇𝐴47
= 0.93 146.02 𝜇𝐴40= 0.48
𝜇𝐴48= 0.07 𝜇𝐴41
= 0.52
152.44 𝜇𝐴46
= 0.06 147.28 𝜇𝐴41= 0.22
𝜇𝐴47= 0.94 𝜇𝐴42
= 0.78
151.96 𝜇𝐴46
= 0.54 148.29 𝜇𝐴42= 0.21
𝜇𝐴47= 0.46 𝜇𝐴43
= 0.79
154.4 𝜇𝐴48
= 0.1 149.84 𝜇𝐴44= 0.66
𝜇𝐴49= 0.9 𝜇𝐴45
= 0.34
158.45 𝜇𝐴52
= 0.05 147.69 𝜇𝐴42= 0.81
𝜇𝐴53= 0.95 𝜇𝐴43
= 0.19
160.95 𝜇𝐴55
= 0.55 144.99 𝜇𝐴39= 0.51
𝜇𝐴56= 0.45 𝜇𝐴40
= 0.49
160.41 𝜇𝐴54= 0.09 145.08 𝜇𝐴39
= 0.42
Hasil Nilai Fungsi Keanggotaan
54
𝜇𝐴55= 0.91 𝜇𝐴40
= 0.58
159.52 𝜇𝐴54
= 0.98 145.39 𝜇𝐴39= 0.11
𝜇𝐴55= 0.02 𝜇𝐴40
= 0.89
159.06 𝜇𝐴53
= 0.44 147.3 𝜇𝐴41= 0.2
𝜇𝐴54= 0.56 𝜇𝐴42
= 0.8
160.55 𝜇𝐴55
= 0.95 148.69 𝜇𝐴43= 0.81
𝜇𝐴56= 0.05 𝜇𝐴44
= 0.19
166.19 𝜇𝐴60
= 0.31 147.42 𝜇𝐴41= 0.08
𝜇𝐴61= 0.69 𝜇𝐴42
= 0.92
169.77 𝜇𝐴64
= 0.73 141.73 𝜇𝐴36= 0.77
𝜇𝐴65= 0.27 𝜇𝐴37
= 0.23
174.31 𝜇𝐴68
= 0.19
𝜇𝐴69= 0.81
171.92 𝜇𝐴66
= 0.58
𝜇𝐴67= 0.42
171.54 𝜇𝐴66
= 0.96
𝜇𝐴67= 0.04
175.25 𝜇𝐴69
= 0.25
𝜇𝐴70= 0.75
185.84 𝜇𝐴80
= 0.66
𝜇𝐴81= 0.34
188.28 𝜇𝐴82
= 0.22
𝜇𝐴83= 0.78
181.44 𝜇𝐴75
= 0.06
𝜇𝐴76= 0.94
180.16 𝜇𝐴74
= 0.34
𝜇𝐴75= 0.66
177.92 𝜇𝐴72
= 0.58
𝜇𝐴73= 0.42
178.76 𝜇𝐴73
= 0.74
𝜇𝐴74= 0.26
116.6 𝜇𝐴11
= 0.89
𝜇𝐴12= 0.11
118.85 𝜇𝐴13
= 0.65
𝜇𝐴14= 0.35
Hasil Nilai Fungsi Keanggotaan
55
LAMPIRAN VII
Data Penentuan Fuzzy Logic Relationship
Bulan Data aktual
Fuzzifikasi Bulan Data aktual
Fuzzifikasi Bulan Data aktual
Fuzzifikasi
Jan-08 106.27 A1→A4 Oct-11 147.89 A42→A45 Jul-15 129.23 A24→A26
Feb-08 109.3 A4→A5 Nov-11 150.16 A45→A47 Aug-15 131.57 A26→A24
Mar-08 110.67 A5→A7 Dec-11 152.3 A47→A49 Sep-15 129.28 A24→A22
Apr-08 112.32 A7→A9 Jan-12 154.37 A49→A48 Oct-15 127.57 A22→A23
May-08 114.29 A9→A9 Feb-12 153.51 A48→A47 Nov-15 128.03 A23→A26
Jun-08 114.72 A9→A10 Mar-12 152.57 A47→A47 Dec-15 131.84 A26→A30
Jul-08 115.96 A10→A11 Apr-12 152.44 A47→A46 Jan-16 135.59 A30→A29
Aug-08 116.96 A11→A15 May-12 151.96 A46→A49 Feb-16 134.41 A29→A30
Sep-08 120.12 A15→A15 Jun-12 154.4 A49→A53 Mar-16 135.53 A30→A29
Oct-08 120.96 A15→A15 Jul-12 158.45 A53→A55 Apr-16 134.77 A29→A30
Nov-08 121.32 A16→A16 Aug-12 160.95 A55→A55 May-16 135.46 A30→A34
Dec-08 121.09 A16→A16 Sep-12 160.41 A55→A54 Jun-16 139.07 A34→A34
Jan-09 121.87 A16→A18 Oct-12 159.52 A54→A54 Jul-16 139.82 A34→A33
Feb-09 123.69 A18→A18 Nov-12 159.06 A54→A55 Aug-16 138.7 A33→A33
Mar-09 123.58 A18→A16 Dec-12 160.55 A55→A61 Sep-16 138.27 A33→A32
Apr-09 121.88 A16→A16 Jan-13 166.19 A61→A64 Oct-16 137.87 A32→A35
May-09 121.72 A16→A16 Feb-13 169.77 A64→A69 Nov-16 140.33 A35→A35
Jun-09 121.56 A16→A18 Mar-13 174.31 A69→A66 Dec-16 140.96 A35→A36
Jul-09 123.04 A18→A19 Apr-13 171.92 A66→A66 Jan-17 141.05 A36→A35
Aug-09 124.76 A19→A22 May-13 171.54 A66→A70 Feb-17 140.75 A35→A35
Sep-09 127.59 A22→A22 Jun-13 175.25 A70→A80 Mar-17 140.55 A35→A34
Oct-09 127.46 A22→A21 Jul-13 185.84 A80→A83 Apr-17 139.42 A34→A36
Nov-09 126.36 A21→A21 Aug-13 188.28 A83→A76 May-17 141.15 A36→A37
Dec-09 126.06 A21→A23 Sep-13 181.44 A76→A75 Jun-17 142.32 A37→A36
Jan-10 128.07 A23→A24 Oct-13 180.16 A75→A72 Jul-17 141.9 A36→A35
Feb-10 129.47 A24→A22 Nov-13 177.92 A72→A73 Aug-17 140.4 A35→A34
Mar-10 127.81 A22→A23 Dec-13 178.76 A73→A11 Sep-17 139.52 A34→A33
Apr-10 128.36 A23→A24 Jan-14 116.6 A11→A13 Oct-17 138.98 A33→A34
May-10 129.19 A24→A28 Feb-14 118.85 A13→A14 Nov-17 139.33 A34→A36
Jun-10 133.31 A28→A34 Mar-14 119.12 A14→A11 Dec-17 141.73 A36→A40
Jul-10 139.73 A34→A36 Apr-14 116.61 A11→A11 Jan-18 145.8 A40→A41
Aug-10 141 A36→A36 May-14 116.03 A11→A12 Feb-18 146.44 A41→A42
Sep-10 141.44 A36→A36 Jun-14 117.63 A12→A14 Mar-18 147.13 A42→A41
Oct-10 141.04 A36→A38 Jul-14 119.93 A14→A15 Apr-18 146.02 A41→A42
Nov-10 143.98 A38→A42 Aug-14 120.15 A15→A14 May-18 147.28 A42→A43
Dec-10 147.11 A42→A44 Sep-14 119.69 A14→A14 Jun-18 148.29 A43→A44
Jan-11 149.5 A44→A44 Oct-14 119.55 A14→A17 Jul-18 149.84 A44→A42
Feb-11 149.03 A44→A41 Nov-14 122.42 A17→A20 Aug-18 147.69 A42→A39
Mar-11 146.4 A41→A37 Dec-14 125.89 A20→A21 Sep-18 144.99 A39→A40
Apr-11 142.98 A37→A37 Jan-15 126.54 A21→A20 Oct-18 145.08 A40→A40
56
May-11 142.7 A37→A39 Feb-15 125.67 A20→A19 Nov-18 145.39 A40→A42
Jun-11 144.04 A39→A42 Mar-15 124.64 A19→A18 Dec-18 147.3 A42→A43
Jul-11 147.35 A42→A43 Apr-15 123.17 A18→A19 Jan-19 148.69 A43→A42
Aug-11 148.46 A43→A43 May-15 124.65 A19→A21 Feb-19 147.42 A42→A42
Sep-11 148.02 A43→A42 Jun-15 126.56 A21→A24 Mar-19 147.83 A42
Data Penentuan Fuzzy Logic Relationship
57
LAMPIRAN VIII
Hasil Matriks Probabilitas
4 5 7 9 10 11 12
1 1.000 0.000 0.000 0.000 0.000 0.000 0.000
4 0.000 1.000 0.000 0.000 0.000 0.000 0.000
5 0.000 0.000 1.000 0.000 0.000 0.000 0.000
7 0.000 0.000 0.000 1.000 0.000 0.000 0.000
9 0.000 0.000 0.000 0.500 0.500 0.000 0.000
10 0.000 0.000 0.000 0.000 0.000 1.000 0.000
11 0.000 0.000 0.000 0.000 0.000 0.250 0.250
12 0.000 0.000 0.000 0.000 0.000 0.000 0.000
13 0.000 0.000 0.000 0.000 0.000 0.000 0.000
14 0.000 0.000 0.000 0.000 0.000 0.250 0.000
15 0.000 0.000 0.000 0.000 0.000 0.000 0.000
16 0.000 0.000 0.000 0.000 0.000 0.000 0.000
17 0.000 0.000 0.000 0.000 0.000 0.000 0.000
18 0.000 0.000 0.000 0.000 0.000 0.000 0.000
19 0.000 0.000 0.000 0.000 0.000 0.000 0.000
20 0.000 0.000 0.000 0.000 0.000 0.000 0.000
21 0.000 0.000 0.000 0.000 0.000 0.000 0.000
22 0.000 0.000 0.000 0.000 0.000 0.000 0.000
23 0.000 0.000 0.000 0.000 0.000 0.000 0.000
24 0.000 0.000 0.000 0.000 0.000 0.000 0.000
26 0.000 0.000 0.000 0.000 0.000 0.000 0.000
28 0.000 0.000 0.000 0.000 0.000 0.000 0.000
29 0.000 0.000 0.000 0.000 0.000 0.000 0.000
30 0.000 0.000 0.000 0.000 0.000 0.000 0.000
32 0.000 0.000 0.000 0.000 0.000 0.000 0.000
33 0.000 0.000 0.000 0.000 0.000 0.000 0.000
34 0.000 0.000 0.000 0.000 0.000 0.000 0.000
35 0.000 0.000 0.000 0.000 0.000 0.000 0.000
36 0.000 0.000 0.000 0.000 0.000 0.000 0.000
37 0.000 0.000 0.000 0.000 0.000 0.000 0.000
38 0.000 0.000 0.000 0.000 0.000 0.000 0.000
39 0.000 0.000 0.000 0.000 0.000 0.000 0.000
40 0.000 0.000 0.000 0.000 0.000 0.000 0.000
41 0.000 0.000 0.000 0.000 0.000 0.000 0.000
42 0.000 0.000 0.000 0.000 0.000 0.000 0.000
43 0.000 0.000 0.000 0.000 0.000 0.000 0.000
44 0.000 0.000 0.000 0.000 0.000 0.000 0.000
45 0.000 0.000 0.000 0.000 0.000 0.000 0.000
46 0.000 0.000 0.000 0.000 0.000 0.000 0.000
47 0.000 0.000 0.000 0.000 0.000 0.000 0.000
48 0.000 0.000 0.000 0.000 0.000 0.000 0.000
49 0.000 0.000 0.000 0.000 0.000 0.000 0.000
53 0.000 0.000 0.000 0.000 0.000 0.000 0.000
54 0.000 0.000 0.000 0.000 0.000 0.000 0.000
55 0.000 0.000 0.000 0.000 0.000 0.000 0.000
13 14 15 16 17 18 19
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.250 0.000 0.250 0.000 0.000 0.000 0.000
0.000 1.000 0.000 0.000 0.000 0.000 0.000
0.000 1.000 0.000 0.000 0.000 0.000 0.000
0.000 0.250 0.250 0.000 0.250 0.000 0.000
0.000 0.333 0.333 0.333 0.000 0.000 0.000
0.000 0.000 0.000 0.667 0.000 0.333 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.250 0.000 0.250 0.500
0.000 0.000 0.000 0.000 0.000 0.333 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.500
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
58
61 0.000 0.000 0.000 0.000 0.000 0.000 0.000
64 0.000 0.000 0.000 0.000 0.000 0.000 0.000
66 0.000 0.000 0.000 0.000 0.000 0.000 0.000
69 0.000 0.000 0.000 0.000 0.000 0.000 0.000
70 0.000 0.000 0.000 0.000 0.000 0.000 0.000
72 0.000 0.000 0.000 0.000 0.000 0.000 0.000
73 0.000 0.000 0.000 0.000 0.000 1.000 0.000
75 0.000 0.000 0.000 0.000 0.000 0.000 0.000
76 0.000 0.000 0.000 0.000 0.000 0.000 0.000
80 0.000 0.000 0.000 0.000 0.000 0.000 0.000
83 0.000 0.000 0.000 0.000 0.000 0.000 0.000
20 21 22 23 24 26 28
1 0.000 0.000 0.000 0.000 0.000 0.000 0.000
4 0.000 0.000 0.000 0.000 0.000 0.000 0.000
5 0.000 0.000 0.000 0.000 0.000 0.000 0.000
7 0.000 0.000 0.000 0.000 0.000 0.000 0.000
9 0.000 0.000 0.000 0.000 0.000 0.000 0.000
10 0.000 0.000 0.000 0.000 0.000 0.000 0.000
11 0.000 0.000 0.000 0.000 0.000 0.000 0.000
12 0.000 0.000 0.000 0.000 0.000 0.000 0.000
13 0.000 0.000 0.000 0.000 0.000 0.000 0.000
14 0.000 0.000 0.000 0.000 0.000 0.000 0.000
15 0.000 0.000 0.000 0.000 0.000 0.000 0.000
16 0.000 0.000 0.000 0.000 0.000 0.000 0.000
17 1.000 0.000 0.000 0.000 0.000 0.000 0.000
18 0.000 0.000 0.000 0.000 0.000 0.000 0.000
19 0.000 0.333 0.333 0.000 0.000 0.000 0.000
20 0.000 0.500 0.000 0.000 0.000 0.000 0.000
21 0.250 0.250 0.000 0.250 0.250 0.000 0.000
22 0.000 0.250 0.250 0.500 0.000 0.000 0.000
23 0.000 0.000 0.000 0.000 0.667 0.333 0.000
24 0.000 0.000 0.500 0.000 0.000 0.250 0.250
26 0.000 0.000 0.000 0.000 0.500 0.000 0.000
28 0.000 0.000 0.000 0.000 0.000 0.000 0.000
29 0.000 0.000 0.000 0.000 0.000 0.000 0.000
30 0.000 0.000 0.000 0.000 0.000 0.000 0.000
32 0.000 0.000 0.000 0.000 0.000 0.000 0.000
33 0.000 0.000 0.000 0.000 0.000 0.000 0.000
34 0.000 0.000 0.000 0.000 0.000 0.000 0.000
35 0.000 0.000 0.000 0.000 0.000 0.000 0.000
36 0.000 0.000 0.000 0.000 0.000 0.000 0.000
37 0.000 0.000 0.000 0.000 0.000 0.000 0.000
38 0.000 0.000 0.000 0.000 0.000 0.000 0.000
39 0.000 0.000 0.000 0.000 0.000 0.000 0.000
40 0.000 0.000 0.000 0.000 0.000 0.000 0.000
41 0.000 0.000 0.000 0.000 0.000 0.000 0.000
42 0.000 0.000 0.000 0.000 0.000 0.000 0.000
43 0.000 0.000 0.000 0.000 0.000 0.000 0.000
44 0.000 0.000 0.000 0.000 0.000 0.000 0.000
45 0.000 0.000 0.000 0.000 0.000 0.000 0.000
46 0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
29 30 32 33 34 35 36
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.500 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 1.000 0.000 0.000
0.000 1.000 0.000 0.000 0.000 0.000 0.000
0.667 0.000 0.000 0.000 0.333 0.000 0.000
0.000 0.000 0.000 0.000 0.000 1.000 0.000
0.000 0.000 0.333 0.333 0.333 0.000 0.000
0.000 0.000 0.000 0.333 0.167 0.000 0.500
0.000 0.000 0.000 0.000 0.400 0.400 0.200
0.000 0.000 0.000 0.000 0.000 0.286 0.286
0.000 0.000 0.000 0.000 0.000 0.000 0.333
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
59
47 0.000 0.000 0.000 0.000 0.000 0.000 0.000
48 0.000 0.000 0.000 0.000 0.000 0.000 0.000
49 0.000 0.000 0.000 0.000 0.000 0.000 0.000
53 0.000 0.000 0.000 0.000 0.000 0.000 0.000
54 0.000 0.000 0.000 0.000 0.000 0.000 0.000
55 0.000 0.000 0.000 0.000 0.000 0.000 0.000
61 0.000 0.000 0.000 0.000 0.000 0.000 0.000
64 0.000 0.000 0.000 0.000 0.000 0.000 0.000
66 0.000 0.000 0.000 0.000 0.000 0.000 0.000
69 0.000 0.000 0.000 0.000 0.000 0.000 0.000
70 0.000 0.000 0.000 0.000 0.000 0.000 0.000
72 0.000 0.000 0.000 0.000 0.000 0.000 0.000
73 0.000 0.000 0.000 0.000 0.000 0.000 0.000
75 0.000 0.000 0.000 0.000 0.000 0.000 0.000
76 0.000 0.000 0.000 0.000 0.000 0.000 0.000
80 0.000 0.000 0.000 0.000 0.000 0.000 0.000
83 0.000 0.000 0.000 0.000 0.000 0.000 0.000
37 38 39 40 41 42 43
1 0.000 0.000 0.000 0.000 0.000 0.000 0.000
4 0.000 0.000 0.000 0.000 0.000 0.000 0.000
5 0.000 0.000 0.000 0.000 0.000 0.000 0.000
7 0.000 0.000 0.000 0.000 0.000 0.000 0.000
9 0.000 0.000 0.000 0.000 0.000 0.000 0.000
10 0.000 0.000 0.000 0.000 0.000 0.000 0.000
11 0.000 0.000 0.000 0.000 0.000 0.000 0.000
12 0.000 0.000 0.000 0.000 0.000 0.000 0.000
13 0.000 0.000 0.000 0.000 0.000 0.000 0.000
14 0.000 0.000 0.000 0.000 0.000 0.000 0.000
15 0.000 0.000 0.000 0.000 0.000 0.000 0.000
16 0.000 0.000 0.000 0.000 0.000 0.000 0.000
17 0.000 0.000 0.000 0.000 0.000 0.000 0.000
18 0.000 0.000 0.000 0.000 0.000 0.000 0.000
19 0.000 0.000 0.000 0.000 0.000 0.000 0.000
20 0.000 0.000 0.000 0.000 0.000 0.000 0.000
21 0.000 0.000 0.000 0.000 0.000 0.000 0.000
22 0.000 0.000 0.000 0.000 0.000 0.000 0.000
23 0.000 0.000 0.000 0.000 0.000 0.000 0.000
24 0.000 0.000 0.000 0.000 0.000 0.000 0.000
26 0.000 0.000 0.000 0.000 0.000 0.000 0.000
28 0.000 0.000 0.000 0.000 0.000 0.000 0.000
29 0.000 0.000 0.000 0.000 0.000 0.000 0.000
30 0.000 0.000 0.000 0.000 0.000 0.000 0.000
32 0.000 0.000 0.000 0.000 0.000 0.000 0.000
33 0.000 0.000 0.000 0.000 0.000 0.000 0.000
34 0.000 0.000 0.000 0.000 0.000 0.000 0.000
35 0.000 0.000 0.000 0.000 0.000 0.000 0.000
36 0.143 0.143 0.000 0.143 0.000 0.000 0.000
37 0.333 0.000 0.333 0.000 0.000 0.000 0.000
38 0.000 0.000 0.000 0.000 0.000 1.000 0.000
39 0.000 0.000 0.000 0.500 0.000 0.500 0.000
40 0.000 0.000 0.000 0.333 0.333 0.333 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
44 45 46 47 48 49 53
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
60
41 0.333 0.000 0.000 0.000 0.000 0.667 0.000
42 0.000 0.000 0.125 0.000 0.125 0.125 0.375
43 0.000 0.000 0.000 0.000 0.000 0.500 0.250
44 0.000 0.000 0.000 0.000 0.333 0.333 0.000
45 0.000 0.000 0.000 0.000 0.000 0.000 0.000
46 0.000 0.000 0.000 0.000 0.000 0.000 0.000
47 0.000 0.000 0.000 0.000 0.000 0.000 0.000
48 0.000 0.000 0.000 0.000 0.000 0.000 0.000
49 0.000 0.000 0.000 0.000 0.000 0.000 0.000
53 0.000 0.000 0.000 0.000 0.000 0.000 0.000
54 0.000 0.000 0.000 0.000 0.000 0.000 0.000
55 0.000 0.000 0.000 0.000 0.000 0.000 0.000
61 0.000 0.000 0.000 0.000 0.000 0.000 0.000
64 0.000 0.000 0.000 0.000 0.000 0.000 0.000
66 0.000 0.000 0.000 0.000 0.000 0.000 0.000
69 0.000 0.000 0.000 0.000 0.000 0.000 0.000
70 0.000 0.000 0.000 0.000 0.000 0.000 0.000
72 0.000 0.000 0.000 0.000 0.000 0.000 0.000
73 0.000 0.000 0.000 0.000 0.000 0.000 0.000
75 0.000 0.000 0.000 0.000 0.000 0.000 0.000
76 0.000 0.000 0.000 0.000 0.000 0.000 0.000
80 0.000 0.000 0.000 0.000 0.000 0.000 0.000
83 0.000 0.000 0.000 0.000 0.000 0.000 0.000
44 45 46 47 48 49 53
1 0.000 0.000 0.000 0.000 0.000 0.000 0.000
4 0.000 0.000 0.000 0.000 0.000 0.000 0.000
5 0.000 0.000 0.000 0.000 0.000 0.000 0.000
7 0.000 0.000 0.000 0.000 0.000 0.000 0.000
9 0.000 0.000 0.000 0.000 0.000 0.000 0.000
10 0.000 0.000 0.000 0.000 0.000 0.000 0.000
11 0.000 0.000 0.000 0.000 0.000 0.000 0.000
12 0.000 0.000 0.000 0.000 0.000 0.000 0.000
13 0.000 0.000 0.000 0.000 0.000 0.000 0.000
14 0.000 0.000 0.000 0.000 0.000 0.000 0.000
15 0.000 0.000 0.000 0.000 0.000 0.000 0.000
16 0.000 0.000 0.000 0.000 0.000 0.000 0.000
17 0.000 0.000 0.000 0.000 0.000 0.000 0.000
18 0.000 0.000 0.000 0.000 0.000 0.000 0.000
19 0.000 0.000 0.000 0.000 0.000 0.000 0.000
20 0.000 0.000 0.000 0.000 0.000 0.000 0.000
21 0.000 0.000 0.000 0.000 0.000 0.000 0.000
22 0.000 0.000 0.000 0.000 0.000 0.000 0.000
23 0.000 0.000 0.000 0.000 0.000 0.000 0.000
24 0.000 0.000 0.000 0.000 0.000 0.000 0.000
26 0.000 0.000 0.000 0.000 0.000 0.000 0.000
28 0.000 0.000 0.000 0.000 0.000 0.000 0.000
29 0.000 0.000 0.000 0.000 0.000 0.000 0.000
30 0.000 0.000 0.000 0.000 0.000 0.000 0.000
32 0.000 0.000 0.000 0.000 0.000 0.000 0.000
33 0.000 0.000 0.000 0.000 0.000 0.000 0.000
34 0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.125 0.125 0.000 0.000 0.000 0.000 0.000
0.250 0.000 0.000 0.000 0.000 0.000 0.000
0.333 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 1.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 1.000 0.000
0.000 0.000 0.333 0.333 0.000 0.333 0.000
0.000 0.000 0.000 1.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.500 0.000 0.500
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
54 55 61 64 66 69 70
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
61
35 0.000 0.000 0.000 0.000 0.000 0.000 0.000
36 0.000 0.000 0.000 0.000 0.000 0.000 0.000
37 0.000 0.000 0.000 0.000 0.000 0.000 0.000
38 0.000 0.000 0.000 0.000 0.000 0.000 0.000
39 0.000 0.000 0.000 0.000 0.000 0.000 0.000
40 0.000 0.000 0.000 0.000 0.000 0.000 0.000
41 0.000 0.000 0.000 0.000 0.000 0.000 0.000
42 0.125 0.125 0.000 0.000 0.000 0.000 0.000
43 0.250 0.000 0.000 0.000 0.000 0.000 0.000
44 0.333 0.000 0.000 0.000 0.000 0.000 0.000
45 0.000 0.000 0.000 1.000 0.000 0.000 0.000
46 0.000 0.000 0.000 0.000 0.000 1.000 0.000
47 0.000 0.000 0.333 0.333 0.000 0.333 0.000
48 0.000 0.000 0.000 1.000 0.000 0.000 0.000
49 0.000 0.000 0.000 0.000 0.500 0.000 0.500
53 0.000 0.000 0.000 0.000 0.000 0.000 0.000
54 0.000 0.000 0.000 0.000 0.000 0.000 0.000
55 0.000 0.000 0.000 0.000 0.000 0.000 0.000
61 0.000 0.000 0.000 0.000 0.000 0.000 0.000
64 0.000 0.000 0.000 0.000 0.000 0.000 0.000
66 0.000 0.000 0.000 0.000 0.000 0.000 0.000
69 0.000 0.000 0.000 0.000 0.000 0.000 0.000
70 0.000 0.000 0.000 0.000 0.000 0.000 0.000
72 0.000 0.000 0.000 0.000 0.000 0.000 0.000
73 0.000 0.000 0.000 0.000 0.000 0.000 0.000
75 0.000 0.000 0.000 0.000 0.000 0.000 0.000
76 0.000 0.000 0.000 0.000 0.000 0.000 0.000
80 0.000 0.000 0.000 0.000 0.000 0.000 0.000
83 0.000 0.000 0.000 0.000 0.000 0.000 0.000
72 73 75 76 80 83
1 0.000 0.000 0.000 0.000 0.000 0.000
4 0.000 0.000 0.000 0.000 0.000 0.000
5 0.000 0.000 0.000 0.000 0.000 0.000
7 0.000 0.000 0.000 0.000 0.000 0.000
9 0.000 0.000 0.000 0.000 0.000 0.000
10 0.000 0.000 0.000 0.000 0.000 0.000
11 0.000 0.000 0.000 0.000 0.000 0.000
12 0.000 0.000 0.000 0.000 0.000 0.000
13 0.000 0.000 0.000 0.000 0.000 0.000
14 0.000 0.000 0.000 0.000 0.000 0.000
15 0.000 0.000 0.000 0.000 0.000 0.000
16 0.000 0.000 0.000 0.000 0.000 0.000
17 0.000 0.000 0.000 0.000 0.000 0.000
18 0.000 0.000 0.000 0.000 0.000 0.000
19 0.000 0.000 0.000 0.000 0.000 0.000
20 0.000 0.000 0.000 0.000 0.000 0.000
21 0.000 0.000 0.000 0.000 0.000 0.000
22 0.000 0.000 0.000 0.000 0.000 0.000
23 0.000 0.000 0.000 0.000 0.000 0.000
24 0.000 0.000 0.000 0.000 0.000 0.000
26 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 1.000 0.000 0.000 0.000 0.000 0.000
0.500 0.500 0.000 0.000 0.000 0.000 0.000
0.333 0.333 0.333 0.000 0.000 0.000 0.000
0.000 0.000 0.000 1.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 1.000 0.000
0.000 0.000 0.000 0.000 0.500 0.000 0.500
0.000 0.000 0.000 0.000 1.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000 0.000 0.000
72 73 75 76 80 83
37 0.000 0.000 0.000 0.000 0.000 0.000
38 0.000 0.000 0.000 0.000 0.000 0.000
39 0.000 0.000 0.000 0.000 0.000 0.000
40 0.000 0.000 0.000 0.000 0.000 0.000
41 0.000 0.000 0.000 0.000 0.000 0.000
42 0.000 0.000 0.000 0.000 0.000 0.000
43 0.000 0.000 0.000 0.000 0.000 0.000
44 0.000 0.000 0.000 0.000 0.000 0.000
45 0.000 0.000 0.000 0.000 0.000 0.000
46 0.000 0.000 0.000 0.000 0.000 0.000
47 0.000 0.000 0.000 0.000 0.000 0.000
48 0.000 0.000 0.000 0.000 0.000 0.000
49 0.000 0.000 0.000 0.000 0.000 0.000
53 0.000 0.000 0.000 0.000 0.000 0.000
54 0.000 0.000 0.000 0.000 0.000 0.000
55 0.000 0.000 0.000 0.000 0.000 0.000
61 0.000 0.000 0.000 0.000 0.000 0.000
64 0.000 0.000 0.000 0.000 0.000 0.000
66 0.000 0.000 0.000 0.000 0.000 0.000
69 0.000 0.000 0.000 0.000 0.000 0.000
70 0.000 0.000 0.000 0.000 1.000 0.000
62
28 0.000 0.000 0.000 0.000 0.000 0.000
29 0.000 0.000 0.000 0.000 0.000 0.000
30 0.000 0.000 0.000 0.000 0.000 0.000
32 0.000 0.000 0.000 0.000 0.000 0.000
33 0.000 0.000 0.000 0.000 0.000 0.000
34 0.000 0.000 0.000 0.000 0.000 0.000
35 0.000 0.000 0.000 0.000 0.000 0.000
36 0.000 0.000 0.000 0.000 0.000 0.000
72 0.000 1.000 0.000 0.000 0.000 0.000
73 0.000 0.000 0.000 0.000 0.000 0.000
75 1.000 0.000 0.000 0.000 0.000 0.000
76 0.000 0.000 1.000 0.000 0.000 0.000
80 0.000 0.000 0.000 0.000 0.000 1.000
83 0.000 0.000 0.000 1.000 0.000 0.000
63
LAMPIRAN IX
Hasil Prakiraan Awal
t Data aktual
F(t) t Data aktual
F(t) t Data aktual
F(t)
1 106.27 - 46 147.89 148.07 91 129.23 129.53 2 109.3 109.50 47 150.16 152.50 92 131.57 132.50 3 110.67 110.50 48 152.3 152.05 93 129.28 132.04 4 112.32 112.50 49 154.37 156.00 94 127.57 128.20 5 114.29 114.50 50 153.51 152.50 95 128.03 130.17 6 114.72 114.39 51 152.57 153.17 96 131.84 132.50 7 115.96 116.50 52 152.44 152.86 97 135.59 136.17 8 116.96 118.12 53 151.96 154.50 98 134.41 135.50 9 120.12 118.13 54 154.4 156.00 99 135.53 136.17 10 120.96 119.17 55 158.45 160.50 100 134.77 135.50 11 121.32 121.81 56 160.95 161.48 101 135.46 135.50 12 121.09 122.05 57 160.41 162.32 102 139.07 139.49 13 121.87 121.89 58 159.52 160.46 103 139.82 140.10 14 123.69 123.09 59 159.06 160.01 104 138.7 138.94 15 123.58 123.55 60 160.55 161.69 105 138.27 138.57 16 121.88 123.55 61 166.19 169.50 106 137.87 140.50 17 121.72 122.42 62 169.77 174.50 107 140.33 139.62 18 121.56 122.31 63 174.31 171.50 108 140.96 140.44 19 123.04 123.02 64 171.92 174.91 109 141.05 142.06 20 124.76 125.17 65 171.54 173.71 110 140.75 140.68 21 127.59 127.07 66 175.25 185.50 111 140.55 140.58 22 127.46 127.77 67 185.84 188.50 112 139.42 140.34 23 126.36 127.74 68 188.28 181.50 113 141.15 136.61 24 126.06 127.47 69 181.44 180.50 114 142.32 142.38 25 128.07 130.17 70 180.16 177.50 115 141.9 142.45 26 129.47 130.00 71 177.92 178.50 116 140.4 140.97 27 127.81 128.24 72 178.76 116.50 117 139.52 140.32 28 128.36 130.10 73 116.6 133.82 118 138.98 138.84 29 129.19 130.00 74 118.85 119.50 119 139.33 140.08 30 133.31 133.50 75 119.12 119.59 120 141.73 141.59 31 139.73 139.14 76 116.61 118.91 121 145.8 145.21 32 141 141.71 77 116.03 118.28 122 146.44 145.77 33 141.44 142.07 78 117.63 119.50 123 147.13 147.87 34 141.04 142.20 79 119.93 119.28 124 146.02 145.77 35 143.98 147.50 80 120.15 120.31 125 147.28 147.82 36 147.11 147.56 81 119.69 119.91 126 148.29 147.95 37 149.5 147.04 82 119.55 119.80 127 149.84 147.43
64
38 149.03 147.83 83 122.42 125.50 128 147.69 148.29 39 146.4 145.83 84 125.89 125.50 129 144.99 146.50 40 142.98 144.13 85 126.54 127.35 130 145.08 146.30 41 142.7 142.99 86 125.67 125.50 131 145.39 146.33 42 144.04 146.50 87 124.64 127.29 132 147.3 147.74 43 147.35 147.57 88 123.17 123.79 133 148.69 147.95 44 148.46 147.96 89 124.65 126.67 134 147.42 148.15 45 148.02 148.24 90 126.56 127.04
Hasil Peramalan Awal
65
LAMPIRAN X
Hasil Prakiraan Akhir
t F(t) D(t) F’(t) t F(t) D(t) F’(t) t F(t) D(t) F’(t)
1 0 0 0 46 148.07 1.5 149.57 91 129.53 1 130.53
2 109.50 1.5 111.00 47 152.50 1 153.50 92 132.50 0 132.50
3 110.50 0.5 111.00 48 152.05 1 153.05 93 132.04 -1 131.04
4 112.50 1 113.50 49 156.00 -0.5 155.50 94 128.20 0.5 128.70
5 114.50 1 115.50 50 152.50 -0.5 152.00 95 130.17 1.5 131.67
6 114.39 0 114.39 51 153.17 0 153.17 96 132.50 2 134.50
7 116.50 0.5 117.00 52 152.86 -0.5 152.36 97 136.17 -0.5 135.67
8 118.12 0.5 118.62 53 154.50 1.5 156.00 98 135.50 0.5 136.00
9 118.13 2 120.13 54 156.00 2 158.00 99 136.17 -0.5 135.67
10 119.17 0.5 119.67 55 160.50 1 161.50 100 135.50 0.5 136.00
11 121.81 0.5 122.31 56 161.48 0 161.48 101 135.50 2 137.50
12 122.05 0 122.05 57 162.32 -0.5 161.82 102 139.49 0 139.49
13 121.89 1 122.89 58 160.46 0 160.46 103 140.10 -0.5 139.60
14 123.09 0 123.09 59 160.01 0.5 160.51 104 138.94 0 138.94
15 123.55 -1 122.55 60 161.69 3 164.69 105 138.57 -0.5 138.07
16 123.55 0 123.55 61 169.50 1.5 171.00 106 140.50 1.5 142.00
17 122.42 0 122.42 62 174.50 2.5 177.00 107 139.62 0 139.62
18 122.31 1 123.31 63 171.50 -1.5 170.00 108 140.44 0.5 140.94
19 123.02 0.5 123.52 64 174.91 0 174.91 109 142.06 -0.5 141.56
20 125.17 1.5 126.67 65 173.71 2 175.71 110 140.68 0 140.68
21 127.07 0 127.07 66 185.50 5 190.50 111 140.58 -0.5 140.08
22 127.77 -0.5 127.27 67 188.50 1.5 190.00 112 140.34 1 141.34
23 127.74 0 127.74 68 181.50 -3.5 178.00 113 136.61 0.5 137.11
24 127.47 1 128.47 69 180.50 -0.5 180.00 114 142.38 -0.5 141.88
25 130.17 0.5 130.67 70 177.50 -1.5 176.00 115 142.45 -0.5 141.95
26 130.00 -1 129.00 71 178.50 0.5 179.00 116 140.97 -0.5 140.47
27 128.24 0.5 128.74 72 116.50 -31 85.50 117 140.32 -0.5 139.82
28 130.10 0.5 130.60 73 133.82 1 134.82 118 138.84 0.5 139.34
29 130.00 2 132.00 74 119.50 0.5 120.00 119 140.08 1 141.08
30 133.50 3 136.50 75 119.59 -1.5 118.09 120 141.59 2 143.59
31 139.14 1 140.14 76 118.91 0 118.91 121 145.21 0.5 145.71
32 141.71 0 141.71 77 118.28 0.5 118.78 122 145.77 0.5 146.27
33 142.07 0 142.07 78 119.50 1 120.50 123 147.87 -0.5 147.37
34 142.20 1 143.20 79 119.28 0.5 119.78 124 145.77 0.5 146.27
35 147.50 2 149.50 80 120.31 -0.5 119.81 125 147.82 0.5 148.32
36 147.56 1 148.56 81 119.91 0 119.91 126 147.95 0.5 148.45
37 147.04 0 147.04 82 119.80 1.5 121.30 127 147.43 -1 146.43
38 147.83 -1.5 146.33 83 125.50 1.5 127.00 128 148.29 -1.5 146.79
39 145.83 -2 143.83 84 125.50 0.5 126.00 129 146.50 0.5 147.00
66
40 144.13 0 144.13 85 127.35 -0.5 126.85 130 146.30 0 146.30
41 142.99 1 143.99 86 125.50 -0.5 125.00 131 146.33 1 147.33
42 146.50 -1.5 145.00 87 127.29 -0.5 126.79 132 147.74 0.5 148.24
43 147.57 0.5 148.07 88 123.79 0.5 124.29 133 147.95 -0.5 147.45
44 147.96 0 147.96 89 126.67 1 127.67 134 148.15 0 148.15
45 148.24 -0.5 147.74 90 127.04 1.5 128.54
Hasil Peramalan Akhir
67
LAMPIRAN XI
Hasil Nilai MAPE
t MAPE t MAPE t MAPE
1 0 46 0.011326 91 0.01006
2 0.015554 47 0.022243 92 0.007068
3 0.002982 48 0.004946 93 0.013575
4 0.010506 49 0.00732 94 0.008819
5 0.010587 50 0.009836 95 0.028405
6 0.002877 51 0.003933 96 0.020176
7 0.008969 52 0.000547 97 0.000565
8 0.01415 53 0.026586 98 0.011829
9 5.66E-05 54 0.023316 99 0.001008
10 0.010668 55 0.019249 100 0.009127
11 0.008133 56 0.003314 101 0.01506
12 0.0079 57 0.008769 102 0.003044
13 0.008397 58 0.005861 103 0.001609
14 0.004831 59 0.009116 104 0.00173
15 0.008355 60 0.025766 105 0.001471
16 0.013729 61 0.028943 106 0.029956
17 0.005751 62 0.042587 107 0.005036
18 0.014424 63 0.024726 108 0.000118
19 0.003861 64 0.017363 109 0.003616
20 0.015283 65 0.024309 110 0.000474
21 0.004115 66 0.087019 111 0.00332
22 0.001471 67 0.022385 112 0.013783
23 0.010921 68 0.0546 113 0.028652
24 0.019078 69 0.007937 114 0.003068
68
25 0.020275 70 0.023091 115 0.000342
26 0.00363 71 0.00607 116 0.000475
27 0.007296 72 0.521705 117 0.002126
28 0.017451 73 0.156218 118 0.00259
29 0.021751 74 0.009676 119 0.01256
30 0.023929 75 0.008668 120 0.013154
31 0.002898 76 0.019681 121 0.000617
32 0.005025 77 0.023679 122 0.001184
33 0.004464 78 0.024399 123 0.001614
34 0.015295 79 0.00123 124 0.001689
35 0.038339 80 0.00283 125 0.007027
36 0.009857 81 0.001859 126 0.001045
37 0.016477 82 0.014617 127 0.022758
38 0.018095 83 0.037412 128 0.006077
39 0.017532 84 0.000874 129 0.013863
40 0.008066 85 0.00243 130 0.008386
41 0.009063 86 0.005331 131 0.01332
42 0.006665 87 0.01727 132 0.006356
43 0.004869 88 0.009053 133 0.008339
44 0.003351 89 0.024208 134 0.004943
45 0.001892 90 0.015625
Hasil Nilai MAPE