IMPLEMENTASI FUZZY TIME SERIES MARKOV CHAIN UNTUK PERAMALAN INFLASI

Abstrak

Metode Fuzzy Time Series Markov chain memiliki kemampuan dalam mengelola data time series yang kompleks dan tidak stabil, serta memberikan prediksi yang lebih akurat dengan meminimalkan kesalahan peramalan. Pada penelitian ini, Metode Fuzzy Time Series Markov chain dikaji dan diimplementasikan dalam peramalan inflasi di Sumatera Utara. Hasil penelitian menunjukkan bahwa metode FTS-MC menghasilkan Mean Squared Error (MSE) sebesar 0,0097 dan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,02%, yang mengindikasikan tingkat akurasi sebesar 99,98%. Sebagai perbandingan, metode Fuzzy Time Series tanpa Markov chain menghasilkan MSE sebesar 0,37 dan MAPE sebesar 0,040%, dengan tingkat akurasi sebesar 99,96%. Berdasarkan hasil tersebut, metode FTS-MC terbukti lebih unggul dalam memprediksi inflasi dengan deviasi yang sangat kecil. Peramalan inflasi untuk tujuh periode mendatang menunjukkan adanya fluktuasi, mengindikasikan perubahan inflasi yang dinamis di Sumatera Utara. Metode ini dapat menjadi alat bantu yang efektif dalam peramalan inflasi guna mendukung pengambilan keputusan ekonomi yang lebih baik.

Overcoming existing traffic congestion is something that many people hope for, especially people who are still always trapped in these traffic problems. One of the ways that can be used to reduce the level of traffic congestion is the dynamic system approach method. This method analyzes and simulates the problem by determining the causal variables. The analysis is conducted using a causal loop diagram model which is then simulated with a stock flow diagram model using Ventana Simulation (Vensim) software. The results showed that there was a decrease in the average level of traffic congestion on Jalan Setia Budi with an initial condition of 1.06% to 0.71%. This 32% decrease has an impact on traffic conditions that are busy without any delays in travel time on Jalan Setia Budi.