Model Average-Based Fuzzy Time Series Menggunakan Metode Defuzzifikasi Markov Chain Dan Cheng

Fuzzy time series merupakan suatu metode peramalan yang menggunakan teori himpunan fuzzy pada data time series dalam bentuk data linguistik. Salah satu masalah dari fuzzy time series adalah bagaimana mendapatkan model yang menghasilkan nilai error rendah dan penentuan interval yang sederhana. Xihao dan Yimin mengembangkan model average-based fuzzy time series menggunakan metode penentuan interval sederhana tetapi menghasilkan nilai error yang tinggi. Tsaur mengembangkan metode defuzzifikasi Markov chain tetapi tidak ada aturan pasti dalam penentuan banyaknya interval dan menghasilkan nilai error yang rendah. Sedangkan Cheng mengembangkan fuzzy time series yang menghasilkan nilai error rendah tetapi menggunakan metode penentuan interval yang cukup rumit. Dalam tugas akhir ini diusulkan kombinasi antara model average-based fuzzy time series dengan metode defuzzifikasi Markov Chain dan Cheng untuk mendapatkan model yang akurat. Pada tahap partisi range pengamatan menggunakan metode average-based dan pada tahap defuzzifikasi menggunakan metode Markov Chain dan Cheng. Aplikasi model menggunakan data suhu rata-rata bulanan Kota Makassar, menunjukkan bahwa model average-based fuzzy time series Markov chain menghasilkan nilai MAPE sebesar 1,12% dan nilai MSE sebesar 0,16. Model average-based fuzzy time series Cheng menghasilkan nilai MAPE sebesar 1,36% dan nilai MSE sebesar 0,24. Hasil pengujian menunjukkan bahwa penambahan metode defuzzifikasi Markov Chain pada model average-based lebih baik