Prosedur Triangular Fuzzy Number Simetris Berdasarkan Standar Deviasi Data Pada Model Autoregressive

Abstract

Beberapa prosedur pembentukan triangular fuzzy number 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 kami tertarik untuk membentuk sebuah prosedur baru triangular fuzzy number (TFN) simetris berdasarkan standar deviasi data. Selanjutnya TFN data tersebut akan digunakan untuk membangun model autoregressive pada peramalan nilai tukar Rupiah terhadap Dollar Amerika. Hasil penelitian ini menunjukkan bahwa akurasi model autoregressive single 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 TFN simetris ini dapat ditentukan tiga peramalan secara serentak yaitu nilai tukar terendah, medium dan tertinggi.