Analisis tingkat akurasi FSM dalam peramalan IPM Indonesia menggunakan GUI matlab

Main Article Content

Vera Mandailina
Syaharuddin Al Musthafa
Dewi Pramita
Sirajuddin Sirajuddin

Abstract

Abstrak: Penelitian ini bertujuan untuk menentukan metode terbaik dalam sistem peramalan (forecast) dengan membuat model matematika dari data time series berupa Indeks Pembangunan Manusia (IPM) Indonesia tahun 2010-2017. Adapun metode yang diuji adalah Moving Average (SMA, WMA dan EMA), Exponential Smoothing Method (SES dan DES), Naive Method, dan Artificial Neural Network (Back Propagation). Kemudian untuk melihat tingkat akurasi berdasarkan MAD, MSE, dan MAPE masing-masing metode. Penentuan metode terbaik dalam sistem peramalan ini sangat membantu dalam proses peramalan data di lapangan yang berimplikasi pada sistem keputusan pemerintah dalam mengambil kebijakan atau keputusan khususnya di sektor kependudukan, pendidikan, dan perekonomian rakyat. Hasil simulasi metode yang paling baik untuk prediksi adalah Metode Exponential Smooting Holt dengan hasil prediksi tahun 2018 sebesar 71,42 dengan MAD, MSE, dan MAPE paling kecil yakni sebesar 0,037; 0,001; dan 0,053.


Abstract: This study aims to determine the best method in the forecasting system by creating a mathematical model of time series data in the form of Indonesia's Human Development Index (HDI) in 2010-2017. The methods tested are Moving Average (SMA, WMA and EMA), Exponential Smoothing Method (SES and DES), Naive Method, and Artificial Neural Network (Back Propagation). Then to see the level of accuracy based on MAD, MSE, and MAPE of each method. Determination of the best method in the forecasting system is very helpful in the process of forecasting data in the field which has implications for the government's decision system in making policies or decisions especially in the population, education, and people's economies. The best simulation method for predictions is the Exponential Smooting Holt Method with the predicted results of 2018 of 71.42 with the smallest MAD, MSE, and MAPE of 0.037; 0.001; and 0.053.

Article Details

How to Cite
Mandailina, V., Al Musthafa, S., Pramita, D., & Sirajuddin, S. (2018). Analisis tingkat akurasi FSM dalam peramalan IPM Indonesia menggunakan GUI matlab. JP3M: JURNAL PEMIKIRAN DAN PENELITIAN PENDIDIKAN MATEMATIKA, 1(2), 58-67. Retrieved from http://journal-litbang-rekarta.co.id/index.php/jp3m/article/view/32
Section
Articles

References

Aji Sudarsono. (2016). Jaringan Syaraf Tiruan Untuk Memprediksi Laju Pertumbuhan Penduduk Menggunakan Metode Backpropagation (Studi Kasus di Kota Bengkulu). Jurnal Media Infotama, vol. 12, no. 1.
Akbar Agung. S (2009). Penerapan Metode Single Moving Average Dan Exponential Smoothing dalam Peramalan Permintaan Produk Meubel Jenis Coffee Table Pada Java Furniture Klaten. Tesis, Fakultas Ekonomi, Universitas Sebelas Maret Surakarta.
Indah Suryani dan Romi Satria Wahono. (2015). Penerapan Exponential Smoothing untuk Transformasi Data dalam Meningkatkan Akurasi Neural Network pada Prediksi Harga Emas. Journal of Intelligent Systems, vol. 1, no. 2.
Lalu Sucipto dan Syaharuddin. (2017). Calculus Problem Solution And Simulation Using GUI Of Matlab. International Journal of Scientific & Technology Research, vol. 6, no. 9, pp. 275-279.
M.F. Andrijasa, Mistianingsih Mistianingsih. (2010) “Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Pengangguran di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran Backpropagation. Jurnal Ilmiah Ilmu Komputer, vol. 5, no. 1, pp. 50-54.
Mohammad Isa Irawan, et al. (2013). Intelligent Irrigation Water Requirement System Based on Artificial Neural Networks and Profit Optimization for Planting Time Decision Making of Crops in Lombok Island. Journal of Theoretical and Applied Information Technology, vol. 58, no. 3.
Syaharuddin, et al. (2017). Calculus Problem Solution and Simulation Using GUI of Matlab. International Journal of Scientific & Technology Research, vol. 6, no. 09, pp. 110-114.
Syaharuddin, et al. (2017). ANN Back Propagation for Forecasting and Simulation Hydroclimatology Data. International Journal of Scientific & Technology Research, vol. 6, no. 10, pp. 110-114
Syaharuddin dan Vera, M. (2017). Pengembangan Modul Pemrograman Komputer Berbasis Matlab. Jurnal Teori dan Aplikasi Matematika, vol. 1, no. 1, pp. 1-4
Syarli dan Asrul AM. (2016). Metode Naive Bayes Untuk Prediksi Kelulusan. Jurnal Ilmiah Ilmu Komputer, Vol. 2, No. 1.

Most read articles by the same author(s)