PENERAPAN METODE WEIGHTED FUZZY TIME SERIES DENGAN PENENTUAN INTERVAL BERBASIS RATA-RATA (Studi Kasus : Kurs Rupiah terhadap Dollar Amerika)

ABSTRAK Fuzzy Time Series (FTS) adalah suatu teknik peramalan data time series yang menggunakan konsep teori fuzzy. Fuzzy Time Series (FTS) bekerja dengan menangkap pola pada di masa lalu yang kemudian digunakan untuk memperoleh informasi di masa yang akan datang. Pada proses FTS, untuk setiap relasi yang terbentuk dianggap memiliki bobot yang sama dan dalam perkembangannya yaitu Weighted Fuzzy Time Series (WFTS) memberikan bobot yang berbeda untuk setiap relasi yang terbentuk. Dalam proses WFTS panjang interval ditentukan di awal proses, penentuan panjang interval ini sangat berpengaruh terhadap hasil prediksi. Metode untuk penentuan panjang interval yang efektif adalah metode interval berbasis rata-rata, sehingga akan membentuk fuzzy relationship yang tepat dan menghasilkan prediksi yang baik. Penelitian ini membahas penerapan metode Weighted Fuzzy Time Series dengan penentuan interval berbasis rata-rata. Sebagai studi kasus digunakan data kurs rupiah terhadap dollar Amerika. Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE) digunakan untuk menghitung ketepatan metode prediksi. Tujuan penelitian ini adalah mengetahui hasil penerapan metode Weighted Fuzzy Time Series dengan interval berbasis rata-rata untuk memprediksi kurs rupiah terhadap dollar Amerika. Dengan menggunakan data dari 4 Januari 2021 sampai 6 Agustus 2021 diperoleh hasil prediksi yang baik adalah model WFTS-Lee Skema 9:1 dengan nilai RMSE dan MAPE pada data training sebesar 41,77 dan 0,21% sedangkan untuk nilai RMSE dan MAPE pada data testing sebesar 34,65 dan 0,16%. Kata Kunci: Weighted Fuzzy Time Series, Average-based Length, Prediksi, Kurs. ABSTRACT Fuzzy Time Series (FTS) is a time series data forecasting technique that uses the concept of fuzzy theory. Fuzy Time Series (FTS) captures patterns in the past and uses them to derive information in the future. In the FTS process, each pattern of relationship formed was considered to have the same weight, whereas the Weighted Fuzzy Time Series (WFTS) assigns a different weight for each relationship. In the WFTS process, the length of the interval is determined at the beginning of the process, and the length of this interval has a significant impact on the prediction results. The average-based interval method is used to determine the effective interval length, so that it will form the right fuzzy relationship and produce good predictions. The Weighted Fuzzy Time Series with an average-based interval is discussed in this study. The data on the rupiah exchange rate against the US dollar is used as a case study. The Root Mean Square Error (RMSE) and Mean Absolute Percentage Error (MAPE) were used to calculate the accuracy of the prediction method. The purpose of this study was to see how the Weighted Fuzzy Time Series with an average-based interval performed in predicting the rupiah exchange rate against the US dollar. The WFTS-Lee model with a ratio 9:1 produces good prediction by using data from January 4, 2021 to May 14, 2021 with RMSE and MAPE values in the training data are 41,77 and 0,21%, while the RMSE and MAPE values in the testing data are 34,65 and 0,16%. Keyword: Weighted Fuzzy Time Series, Average-based Length, Forecasting, Exchange rate