Search for collections on Undip Repository

Metode Fuzzy Time Series Markov Chain Termodifikasi dengan Algoritma Kelelawar dan Aplikasinya pada Peramalan Harga Beras

As'syifa, Ghisela Salsabila (2026) Metode Fuzzy Time Series Markov Chain Termodifikasi dengan Algoritma Kelelawar dan Aplikasinya pada Peramalan Harga Beras. Undergraduate thesis, Universitas Diponegoro.

[thumbnail of File 1 Pendahuluan - Ghisela Salsabila.pdf] Text
File 1 Pendahuluan - Ghisela Salsabila.pdf

Download (335kB)
[thumbnail of File 2 Isi - Ghisela Salsabila.pdf] Text
File 2 Isi - Ghisela Salsabila.pdf
Restricted to Repository staff only

Download (816kB) | Request a copy
[thumbnail of File 3 Daftar Pustaka - Ghisela Salsabila.pdf] Text
File 3 Daftar Pustaka - Ghisela Salsabila.pdf

Download (103kB)

Abstract

Peramalan merupakan salah satu metode penting dalam pengambilan keputusan untuk memprediksi nilai suatu data pada periode mendatang. Peramalan harga beras adalah salah satu aspek penting dalam pengambilan Keputusan di sektor pangan. Penelitian ini menerapkan metode Fuzzy Time Series Markov Chain (FTS-MC) yang dioptimasi menggunakan Bat Algorithm untuk menentukan interval fuzzy yang optimal sehingga mampu merepresentasikan pola data harga beras lebih baik. Setiap kelelawar merepresentasikan satu set batas-batas interval fuzzy. Kelelawar beriterasi menyesuaikan frekuensi, kecepatan, intensitas suara (loudness), dan laju pulsa (pulse rate) untuk menemukan posisi interval yang menghasilkan galat peramalan terkecil. Kinerja model dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) dan Root Mean Squared Error (RMSE) yang kemudian dibandingkan dengan metode FTS-MC biasa dan metode FTS Song & Chissom. Hasil penelitian menunjukkan bahwa kombinasi rantai Markov dan metode FTS memiliki akurasi peramalan yang lebih baik dibandingkan metode FTS Song & Chissom. Nilai MAPE mengalami penurunan dari 2.089% menjadi 0.961% dan nilai RMSE turun dari 331.83 menjadi 178.50. Nilai peramalan yang dihasilkan oleh metode FTS-MC yang dioptimalkan oleh Bat Algorithm memiliki akurasi peramalan yang lebih baik daripada FTS-MC tanpa optimasi. Nilai MAPE yang dihasilkan tmengalami penurunan dari 0.961% menjadi 0.644% dan nilai RMSE turun dari 178.50 menjadi 149.66. Oleh karena itu, skripsi ini mengkaji pendekatan FTS-MC berbasis Bat Algorithm sebagai alternatif yang efektik dalam meningkatkan akurasi peramalan harga beras.

Kata kunci: harga beras, peramalan, Fuzzy Time Series Markov Chain, Bat Algorithm, optimasi.

Item Type: Thesis (Undergraduate)
Subjects: Sciences and Mathemathic
Divisions: Faculty of Science and Mathematics > Department of Mathematics
Depositing User: Nurcahya Yulian
Date Deposited: 24 Jun 2026 12:54
Last Modified: 24 Jun 2026 12:54
URI: https://eprints2.undip.ac.id/id/eprint/53883

Actions (login required)

View Item View Item