Model autoregressive Menggunakan Triangular Fuzzy Number Simetris Berdasarkan Standar Deviasi Data

Abstract

Beberapa prosedur pembentukan triangular fuzzy number (TFN) dalam prediksi data time series sudah diperkenalkan. Namun pembentukan tersebut belum mencapai standar yang diharapkan, sehingga tidak mudah untuk diikuti dan diaplikasikan pada data prediksi atau tujuan lainnya. Dimotivasi oleh keadaan tersebut, maka penulis tertarik untuk membentuksebuah prosedur baru TFN simetris berdasarkan standar deviasi data. Selanjutnya,TFN yang disarankan akan disimulasikan terlebih dahulu untuk membangun model autoregressive dengan menggunakan data bilanagan acak yang dibangkitkan dan kemudian diimplementasikan untuk peramalan nilai tukar rupiah Indonesia terhadap dolar Amerika. Hasil penelitian ini menunjukkan bahwa akurasi model autoregressivesingle point lebih besar dari TFN simetris. Dengan kata lain, prosedur baru TFN yang disarankan dapat dijadikan sebagai salah satu persiapan data input untuk meningkatkan akurasi hasil peramalan. Menariknya, melalui model autoregressive ini TFN simetris ini dapat ditentukan tiga peramalan secara serentak yaitu nilai tukar terendah,medium dan tertinggi.