Prediksi Hasil Tangkapan Ikan Menggunakan Fuzzy Time Series

Ricky Mubarak, Tursina Tursina, Enda Esyudha Pratama

Abstract


Prediksi hasil tangkapan ikan merupakan suatu cara dalam memperkirakan hasil tangkapan nelayan yang selama ini ditangani oleh Dinas Perikanan Kota Pontianak dengan menggunakan data historis yang tercatat di Dinas tersebut. Data historis tersebut dapat digunakan sebagai faktor memprediksi yang bermanfaat untuk mengambil kebijakan bagi nelayan dan Dinas Perikanan kedepannya, tetapi sebelum sampai ketahap itu dilakukan penelitian untuk menganalisa seberapa baik dan seberapa akurat prediksi yang dihasilkan dari data historis tangkapan ikan yang tercatat selama ini pada Dinas Perikanan Kota Pontianak. Data yang digunakan dalam penelitian ini sebanyak 60 data dari Januari 2014 hingga Desember 2018. Metode yang digunakan dalam prediksi yaitu dengan Fuzzy Time Series dibagi menjadi 5 (lima) tahap, yaitu Fuzzy Set, Fuzzifikasi, FLR (Fuzzy logic Relationship), FLRG (Fuzzy logic Relationship Group), dan Defuzzifikasi. Terdapat 25 interval yang digunakan dalam penelitian ini. Hasil pengujian prediksi menggunakan MAPE (Mean Absolute Percentage Error) yang didapat hasil terbaik dengan melakukan penambahan pada nilai U (Universe of Discourse) sebesar 4% dengan MAPE 17,1699% sehingga diperoleh akurasi atau ketepatan sebesar 82,8301%. Sedangkan hasil pengujian MAPE terendah pada nilai U (Universe of Discourse) sebesar 0% yaitu 37,6438%, sehingga nilai akurasi atau ketepatan sebesar 62,3562%.

Keywords


Prediksi; Fuzzy Time Series; hasil tangkapan ikan; historis; time series

Full Text:

PDF

References


F. Teknik, U. Hasyim, & T. Jombang, “Prediksi Jumlah Tangkap Ikan Di Pelabuhan Perikanan Nusantara Brondong Menggunakan Fuzzy Time Series Model Chen,” 2017.

N. Rukhansah, A. Muslim, R. Arifudin, F. Matematika, D. Ipa, & U. N. Semarang, “Peramalan Harga Emas Menggunakan Fuzzy Time Series Markov Chain Model,” 2015.

M. N. Saleh, M. A. Irwansyah, M. Eng, H. H. Anra, & M. Kom, “Implementasi Peramalan Menggunakan Fuzzy Time Series pada Aplikasi Helpdesk Inventaris Perangkat Teknologi Informasi,” J. Sist. dan Teknol. Inf., vol. 1, no. 2, 2017.

M. Y. Fathoni, “Implementasi Metode Fuzzy Time Series Cheng untuk prediksi Kosentrasi Gas NO2 Di Udara,” J. Sist. Inf. Bisnis, vol. 7, no. 1, 2017.

I. Halimi & W. A. Kusuma, “Prediksi Indeks Harga Saham Gabungan (IHSG) Menggunakan Algoritma Neural Network,” J. Edukasi dan Penelit. Inform., vol. 4, no. 1, 2018.

M. Dwi Rachmawati & L. Anifah, “Prediksi Curah Hujan Menggunakan Metode Average Based dan High Order Fuzzy Time Series di Bandar Udara Juanda,” JIEET, vol. 03, 2019.

A. B. Elfajar, B. D. Setiawan, & C. Dewi, “Peramalan Jumlah Kunjungan Wisatawan Kota Batu Menggunakan Metode Time Invariant Fuzzy Time Series,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 2, 2017.

N. Fauziah, S. Wahyuningsih, Y. N. Nasution, E. Smoothing, & N. Network, “Peramalan Mengunakan Fuzzy Time Series Chen ( Studi Kasus : Curah Hujan Kota Samarinda ),” Statistika, vol. 4, no. 2, 2016.

D. Desmonda, T. Tursina, & M. A. Irwansyah, “Prediksi Besaran Curah Hujan Menggunakan Metode Fuzzy Time Series,” J. Sist. dan Teknol. Inf., vol. 6, no. 4, 2018.

A. S. Sukamto & W. Setiawan, “Peramalan Saham Berdasarkan Data Masa Lalu dengan Pendekatan Fuzzy Time Series,” J. Edukasi dan Penelit. Inform., vol. 4, no. 2, 2018.

M. T. Jatipaningrum, “Peramalan Data Produk Domestik Bruto dengan Fuzzy Time Series Markov Chain,” J. Teknol., vol. 9, no. 1, 2016.

H. Tamrin, N. Junaidi, & S. Hamzah, “Perbandingan Model Chen dan Model Lee Pada Metode Fuzzy Time Series untuk Prediksi Jumlah Ikan,” J. Teknol. Inform., vol. 1, 2018.

S. Kusumadewi, Analisis dan Desain Sistem Fuzzy Menggunakan Tool Box Matlab. Yogyakarta: Graha Ilmu, 2002.

I. Sungkawa & R. T. Megasari, “Penerapan Ukuran Ketepatan Nilai Ramalan Data Deret Waktu dalam Seleksi Model Peramalan Volume Penjualan PT Satriamandiri Citramulia,” ComTech Comput. Math. Eng. Appl., vol. 2, no. 2, 2011.

U. Yudatama & U. M. Magelang, “Fuzzy Time Series Dan Algoritme Average-Based Length Untuk Fuzzy Time Series and Average-Based Length Algorithm for,” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 4, 2019.




DOI: http://dx.doi.org/10.26418/justin.v8i3.39831

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Jurnal Sistem dan Teknologi Informasi (JUSTIN)

ara komputer
View My Stats

Creative Commons License
All article in Justin is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License