BAB I PENDAHULUAN 1.1 Latar Belakang Relasi antara himpunan barisan dari data lalu diukur berdasarkan waktu untuk meramal nilai masa depan, di investigasi dengan peramalan time series, banyak alat statistika seperti analisis regresi, moving average, exponential smoothing average dan autoregressive moving average telah digunakan dalam peramalan tradisional, bagaimanapun, model-model analisis tersebut terlalau mengandal kan pada data historis, dan data diperlukan untuk mengikuti distribusi normal supaya mendapatkan hasil ramalan yang relatif baik, selain itu metode peramlan time series tradisional (crips) secara normal tidak dapat diaplikasi ketika data historis direpresentasikan dengan nilai linguistik. Supaya jenis-jenis masalah seperti itu dapat terselesaikan, pendekatan fuzzy time series telah dikembangkan sebagai sebuah metode peramalan alternative. Hal ini telah terbukti bahwa fuzzy time series bisa di aplikasikan dengan tepat untuk menyusun data dari nilai linguistik, untuk menghasilkan aturan–aturan peramalan dengan keakuratan yang tinggi. (Cai Q Q, 2014) Pada tahun 1993 oleh Song dan Chissom a special dynamic process di sebut fuzzy time series di kemukakan karena dibutuhkan untuk memodelkan dynamic process yang observasinya adalah nilai linguistik. Untuk mendeskripsikan Fuzzy Time Series, persamaan relasi fuzzy digunakan sebagai model, terdapat dua kelas fuzzy time series yaitu time invarian dan time varian. Metode time series klasik tidak bisa menyelesaikan masalah ramalan dimana nilai time series adalah linguistik yang di reperesentasikan dengan himpunan fuzzy, seperti kasus nilai tukar Rupiah Indonesia terhadap mata uang US Dollar dimana observasi di jelaskan dengan keadaan “tidak tidak tinggi”,“tidak tingg”, “tinggi”,”agak tinggi”,”agak agak tinggi”,”sangat tinggi” untuk menggambarkan stabilitas nilai tukar mata uang tersebut. Yang demikian itu disebut sebagai dynamic process yang nilainya adalah himpunan fuzzy yang didefinisikan pada
1
2
interval misal [9000, 14000], dengan perubahan waktu maka nialainya pun akan berubah, (Song dan Chissom, 1993) dynamic process seperti ini tidak dapat dimodelkan dengan Time series Konvensional. Kasus tersebut memiliki karakteristik yaitu
dynamic process, observasinya adalah himpunan fuzzy,
semesta pembicaraan himpunan fuzzy adalah himpunan bagian dari R1, model time series konventional tidak dapat digunakan untuk mendeskripsikan proses tersebut. Metode peramalan yang paling penting dan relevan dalam dunia managemen, termasuk untuk peramalan finansial, permintaan produksi dan peramalan persediaan, metode fuzzy time series diaplikasikan sebagai pendekatan yang valid untuk peramalan nilai mendatang dalam situasi dimana tidak satupun trend yang digambarkan maupun pola dalam variasi time series divisualisasikan dan terlebih lagi informasi tidak komplit dan ambigu. Model fuzzy time series pertama kali dipromosikan oleh song dan chissom yang menggunakan konsep fuzzy logic, untuk membangun pondasi fuzzy time series menggunakan time invarian dan model time varian , fuzzy time series adalah suatu teknik baru untuk peramalan yang dikembangkan dari konsep teori fuzzy. Beberapa penelitian mengenai fuzzy time series telah dikembangkan diantara nya yaitu, penerimaan mahasiswa baru menggunakan metode fuzzy time series menggunakan first order dan time variant dengan data histori penerimaan mahasiswa baru di Universitas Alabama. Dalam metode ini, langkah pertama adalah mengumpulkan data kemudian mendefinisikan semesta pembicaraan U dan membuat partisi semesta pembicaraan kedalam beberapa interval dengan panjang interval yang sama kemudian diperoleh statistik distribusi data histori tiap interval dan membagi tiap interval menjadi dua sub interval dengan panjang yang sama. Selanjutnya mendefinisikan nilai linguistik dengan representasi himpunan fuzzy berdasarkan interval yang telah dibagi kemudian lakukan fuzifikasi. Menentukan fuzzy logical relationship (FLR) dan langkah terakhir gunakan aturan-aturan untuk menentukan apakah tren peramalan naik atau turun dan menentukan hasil ramalan. Hasil ramalan metode ini menunjukkan tingkat akurasi lebih tinggi dibanding dengan penelitian yang telah dilakukan sebelumnya (Chen, 2004).
3
Metode fuzzy time series juga digunakan untuk meramal hasil panen gandum pada Huge farm. Perbandingan akurasi peramalan metode ini dengan metode Chen menunjukkan bahwa akurasi metode ini lebih baik dibanding metode Chen. Metode ini menerapkan batas interval atas, batas interval bawah dan nilai tengah interval untuk proses defuzzifikasi ( Singh, 2007) (chen,1996) fokus pada operator yang digunakan dalam model dan menyederhanakan perhitungan aritmatika untuk meningkatkan operator komposisi kemudian diperkenalkan grup fuzzi logic untuk meningkatkan akurasi peramalan, (huarng) membuat study tentang panjang interval yang efektif untuk meningkatkan peramalan. Selanjutnya Peramalan kurs mata uang Taiwan terhadap mata uang dolar dengan metode fuzzy time series model Markov chain. Sebelum menerapkan metode ini pada kasus kurs, terlebih dahulu dilakukan peramalan penerimaan mahasiswa baru dengan studi kasus pada universitas Alabama kemudian melakukan perbandingan tingkat akurasi peramalan dengan metodemetode sebelumnya. (Tsaur, 2011). Pendekatan fuzzy time series Markov-chain untuk menganalisa data linguistik atau data time series sampel kecil di usulkan supaya keakuratan prediksi lebih tinggi dengan mentransfer data fuzzy time series ke grup logika fuzzy, dan menggunakan grup logika fuzzy yang diperoleh untuk mendepatkan matrik transisi markov-chain kemudian digunakan untuk peramalan. Berdasarkan uraian diatas maka pada penelitian ini, akan dibahas menegenai metode fuzzy time series markov-chain untuk peramalan nilai tukar Rupiah terhadap USD. 1.2 Rumusan Masalah Berdasarkan uraian latar belakang diperoleh rumusan masalah yang diangkat adalah: 1. Bagaimana konsep dasar fuzzy time series ? 2. Bagaimana melakukan peramalan dengan fuzzy time series? 3. Penggabungan konsep model fuzzy time series dengan Markov-chain?
4
4. Bagaimana perbandingan hasil ramalan menggunakan fuzzy time series markov chain dengan metode fuzzy time series lainnya? 5. Bagaimana keputusan yang diambil setelah ramalan diperoleh? 1.3 Tujuan Penelitian Berdasarkan rumusan masalah di atas, tujuan dari penelitian ini adalah: 1. Menguraikan konsep dasar fuzzy time series dan penggabungannya dengan Markov chain. 2. Menguraikan tahap–tahap peramalan
menggunakan fuzzy time series
Markov-chain. 3. Mengaplikasikan fuzzy time series markov-chain pada data nilai tukar rupiah terhadap mata uang USD . 4. Melakukan perbandingan metode fuzzy time series markov chain dengan metode fuzzy time series lainnya. 5. Membuat keputusan terhadap peramalan yang diperoleh dengan memberikan saran untuk seorang investor yaitu menjual atau tidaknya mata uang yang dimiliki, atau membeli atau tidak nya mata uang tersebut. 1.4 Batasan masalah Dalam penelitian ini ada beberapa hal yang akan di batasi, supaya penelitian ini lebih fokus dan mudah, diantara pembatasannya adalah : 1. Pada penelitian ini menggunakan fungsi keanggotaan konstan. 2. Dalam penelitian ini menggunakan kelas time invarian yang tidak bergantung dengan waktu, karena lebih mudah dalam perhitungan. hal ini dikarenakan pula dalam markov chain terdapat asumsi bahwa independent terhadap waktu yang lalu dan hanya bergantung pada waktu sekarang. 3. Pada penelitian ini, menggunakan markov chain sehingga dibatasi hanya pada state diskrit, waktu pengumpulan data berdasarkan tanggal maka waktu yang digunakan adalah waktu diskrit. Alasan ini, karena dalam himpunan fuzzy yang diperoleh memiliki indeks yang dijadikan sebagai state yang dimulai dari (1,2,....n), setiap himpunan fuzzy dengan indeks berbeda memiliki interval angka yang berbeda disesuaikan dengan kondisi
5
linguistik
yang
mewakilinya,
waktu
yang
digunakan
adalah
pengulangannya. 1.5 Manfaat Penelitian Berdasarkan tujuan di atas, manfaat yang diharapkan dari penulisan ini adalah: 1. diharapkan dapat memberikan sumbangan terhadap perkembangan ilmu pengetahuan dan menambah wawasan pengetahuan dalam bidang peramalan dengan metode yang baru terutama tentang pengembangan dan aplikasi metode fuzzy time series markov–chain. 2. dapat memberikan informasi mengenai prediksi nilai tukar rupiah pada periode kedepan. 1.6 Tinjauan Pustaka Dalam penelitian ini diperlukan beberapa buku, Tugas akhir jurnal, dan surat kabar, sebagai bahan referensi sebagai pendukung penelitian ini seperti (Song dan Chissom, 1993) yang mengemukakan fuzzy time series, (Makridakis dkk., 1999) yang membahas mengenai teori dasar peramalan, (Kusumadewi S, 2002), (Kusumadewi S dan H Purnomo, 2004) yang membahas mengenai teori dasar himpunan fuzzy, logika fuzzy, Fungsi keanggotaan. (Tsaur C.R, 2012) merupakan jurnal yang membahas penggunaan Fuzzy time series Markov–chai untuk peramalan nilai tukar taiwan dengan USD, Pembahasan mengenai nilai tukar (Kurs) berpedoman pada buku terbitan BI yaitu (Solikin dan suseno, 2002) dan (Simorangkir, I dan Suseno, 2004) yaitu membahas tentang pengertian uang, Nilai tukar uang (Kurs), faktor–faktor yang mempengaruhi nilai tukar, faktor-faktor yang mempengaruhi permintaan dan penawaran valuta asing, kebijakan dan sisem nilai tukar didunia. 1.7 Metodologi Penelitian Metode yang dilakukan dalam penelitian ini adalah bimbingan berupa diskusi dengan dosen pembimbing, studi literatur, dan pengolahan data. Sumber literatur diperoleh dari buku, artikel, sekripsi, thesis dan jurnal yang terkait dengan tema
6
penelitian. Analisis mengenai metode
peramalan data nilai tukar rupiah
terhadap US Dollar Adapun langkah–langkah yang digunakan adalah sebagai berikut: 1. Menguraikan definisi nilai tukar beserta faktor–faktor yang mempengaruhinya 2. Mempelajari metode fuzzy secara umum 3. Menguraikan pengertian fuzzy, Logika fuzzy. 4. Menguraikan konsep dasar fuzzy time series. 5. Menguraikan konsep dasar peramalan data menggunakan metode fuzzy time series Markov chain. 6. mengaplikasikan metode fuzzy time-series Markov chain dalam peramalan data time series yaitu nilai tukar rupiah terhadap US Dollar. 1.8 Sistematika Penulisan Untuk mempermudah pembaca dalam memahami tulisan ini, maka tulisan ini akan dibagi ke dalam lima bab sebagai berikut: BAB I PENDAHULUAN Dalam bab ini dijelaskan latar belakang masalah, rumusan masalah, tujuan penulisan, manfaat penulisan, tinjauan pustaka, metodologi penelitian dan sistematika penulisan. BAB II LANDASAN TEORI Dalam bab ini dikemukakan teori-teori yang meliputi definisi, hal-hal yang mendasari dan mendukung yang menunjang pembahasan tentang nilai tukar dan faktor-faktor yang mempengaruhinya kemudian menguraikan definisi dan konsep dasar metode fuzzy, logika fuzzy, menguraikan definisi data time series dan hal-hal mendasar yang akan digunakan lebih lanjut dalam pembahasan penelitian ini. BAB III PEMBAHASAN Bab III membahas penjelasan mengenai konsep dasar fuzzy time series , tahap–tahap peramalan menggunakan fuzzy time series, rencana penelitian dan juga tahapan peramalan menggunakan metode fuzzy time series
7
Markov chain. Selanjutnya, bab ini memaparkan landasan teoritis penelitian, menyangkut acuan teoritis serta teori-teori yang berhubungan dengan konsep permasalahan. BAB IV SIMULASI DAN STUDI KASUS Bab ini berisi pengolahan data penelitian berupa peramalan nilai tukar dengan menggunakan metode fuzzy time series kemudian dilanjutkan dengan metode time series markov chain . BAB V PENUTUP Bab ini berisi tentang kesimpulan yang diperoleh dari hasil pembahasan serta saran sebagai akibat dari kekurangan atau kelebihan dari hasil penelitian yang dilakukan.
