TESIS

PENERAPAN PENDEKATAN BARU METODE FUZZY-WAVELET

DALAM ANALISIS DATA RUNTUN WAKTU
A NEW APPROACH OF FUZZY-WAVELET METHODS IMPLEMENTATION
IN TIME SERIES ANALYSIS

SENG HANSUN
09/291957/PPA/02998

PROGRAM STUDI S2 ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2011

TESIS

PENERAPAN PENDEKATAN BARU METODE FUZZY-WAVELET

DALAM ANALISIS DATA RUNTUN WAKTU
A NEW APPROACH OF FUZZY-WAVELET METHODS IMPLEMENTATION
IN TIME SERIES ANALYSIS

Diajukan untuk memenuhi salah satu syarat memperoleh derajat

Master of Computer Science

SENG HANSUN
09/291957/PPA/02998

PROGRAM STUDI S2 ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2011

PRAKATA
Berkat lindungan dan bimbingan dari Sang Tiratana Buddha, Dhamma, dan
Sangha, akhirnya Tesis dengan judul Pendekatan Baru Metode Fuzzy-Wavelet
dalam Analisis Data Runtun Waktu ini dapat diselesaikan.
Tesis ini disusun sebagai salah satu syarat guna memperoleh derajat Master
of Computer Science pada Program Studi S2 Ilmu Komputer Universitas Gadjah
Mada Yogyakarta.
Selama menempuh pendidikan di Program Studi S2 Ilmu Komputer ini,
penulis telah mendapatkan banyak bantuan dan bimbingan, serta dorongan dari
berbagai pihak. Oleh karena itu, pada kesempatan ini penulis ingin mengucapkan
terima kasih kepada:
1. Prof. Drs. Subanar, Ph.D selaku dosen pembimbing utama yang telah
memberikan banyak bantuan dan masukan bagi penulis selama penyusunan
Tesis ini.
2. Tim Penguji yang telah memberikan saran-saran perbaikan yang berharga
untuk penyempurnaan Tesis ini.
3. Seluruh staf pengajar di Program Studi S2 Ilmu Komputer yang telah
memberikan banyak ilmu tambahan bagi penulis selama menempuh
pendidikan.
4. Segenap staf dan karyawan di Program Studi S2 Ilmu Komputer atas bantuan,
pelayanan, dan fasilitas yang disediakan selama penulis menempuh
pendidikan.
5. Rekan-rekan mahasiswa Program Studi S2 Ilmu Komputer yang telah banyak
membantu dan turut mengisi hari-hari penulis.

iv

6. Sari, atas dorongan moral dan semangat yang tak kenal lelah bagi penulis.
7. Saudara-saudaraku yang telah memberikan dorongan semangat, kasih sayang,
dan bantuan materiil sehingga penulis mampu menyelesaikan pendidikan di
Program Studi S2 Ilmu Komputer ini dengan lancar.
8. Ayah dan Ibu tercinta atas cinta kasih dan kasih sayang yang tidak terbatas.
Semoga Tesis yang telah disusun ini dapat memberikan manfaat baik bagi
penulis sendiri maupun para pembaca pada umumnya. Semoga semua makhluk
berbahagia.

Yogyakarta, Februari 2011

Penulis,

Seng Hansun

DAFTAR ISI
HALAMAN JUDUL.................................................................................................. i
HALAMAN PENGESAHAN ..................................................................................... ii
HALAMAN PERNYATAAN .................................................................................... iii
PRAKATA............................................................................................................. iv
DAFTAR ISI .......................................................................................................... vi
DAFTAR GAMBAR .............................................................................................. viii
DAFTAR TABEL ..................................................................................................... x
DAFTAR LAMPIRAN ............................................................................................. xi
INTISARI ..............................................................................................................xii
ABSTRACT .......................................................................................................... xiii
BAB I PENDAHULUAN .......................................................................................... 1
1.1 Latar Belakang dan Permasalahan .............................................................. 1
1.2 Tujuan Penelitian ........................................................................................ 4
1.3 Batasan Masalah ........................................................................................ 4
1.4 Metodologi Penelitian ................................................................................ 5
1.5 Sistematika Penulisan ................................................................................. 6
BAB II TINJAUAN PUSTAKA................................................................................... 8
BAB III LANDASAN TEORI ................................................................................... 10
3.1 Analisis Data Runtun Waktu ..................................................................... 10
3.2 Fuzzy ........................................................................................................ 12
3.2.1 Himpunan tegas dan himpunan fuzzy................................................. 12
3.2.2 Fungsi keanggotaan himpunan fuzzy .................................................. 13
3.2.3 Operasi standar himpunan fuzzy ........................................................ 14
3.2.4 Sistem inferensi fuzzy ......................................................................... 16
3.2.5 Fuzzifier.............................................................................................. 17
3.2.6 Metode defuzzifikasi .......................................................................... 18
3.2.7 Mekanisme inferensi .......................................................................... 19
3.3 Wavelet .................................................................................................... 21
3.3.1 Persamaan skala dan persamaan wavelet .......................................... 22
3.3.2 Daubechies wavelet ........................................................................... 23
3.3.3 Haar wavelet ...................................................................................... 24
3.3.4 Maximal Overlap Discrete Wavelet Transform (MODWT)................... 26

vi

BAB IV METODE PERAMALAN KONVENSIONAL DAN HYBRID FUZZY-WAVELET... 31

4.1 Metode Peramalan Fuzzy ......................................................................... 33
4.1.1 Fuzzy Time Series ............................................................................... 37
4.2 Metode Peramalan Fuzzy-Wavelet Popoola.............................................. 39
BAB V PENDEKATAN BARU METODE PERAMALAN HYBRID FUZZY-WAVELET ...... 42
5.1 Pendekatan Baru Metode Peramalan Fuzzy-Wavelet ................................ 42
5.2 Kriteria Pemilihan Metode Peramalan Terbaik .......................................... 46
5.2.1 Mean Square Error (MSE) ..................................................................... 46
5.2.2 Mean Absolute Percentage Error (MAPE) ............................................... 47
BAB VI ANALISIS DAN RANCANGAN SISTEM ....................................................... 48
6.1 Deskripsi Umum Perangkat Lunak............................................................. 49
6.2 Fuzzy ........................................................................................................ 51
6.3 Fuzzy-Wavelet .......................................................................................... 51
6.4 Pendekatan Baru Fuzzy-Wavelet............................................................... 53
BAB VII IMPLEMENTASI...................................................................................... 54
7.1 Lingkungan Implementasi ......................................................................... 54
7.1.1 Lingkungan perangkat keras ............................................................... 54
7.1.2 Lingkungan perangkat lunak............................................................... 54
7.2 Implementasi Program ............................................................................. 54
7.2.1 Form Utama ....................................................................................... 55
7.2.2 Form Input Data ................................................................................. 56
7.2.3 Form Fuzzy ......................................................................................... 60
7.2.4 Form Fuzzy-Wavelet Popoola ............................................................. 62
7.2.5 Form New Fuzzy-Wavelet ................................................................... 64
BAB VIII HASIL PENELITIAN DAN PEMBAHASAN ................................................. 67
8.1 Data Runtun Waktu yang Digunakan ........................................................ 67
8.2 Kehandalan Metode Peramalan................................................................ 68
8.3 Tingkat Akurasi Metode Peramalan .......................................................... 71
BAB IX KESIMPULAN DAN SARAN ....................................................................... 73
9.1 Kesimpulan ............................................................................................... 73
9.2 Saran ........................................................................................................ 74
DAFTAR PUSTAKA .............................................................................................. 75
LAMPIRAN ......................................................................................................... 77
vii

DAFTAR GAMBAR

Gambar 1.1

Skema pra-pemrosesan dengan wavelet

Gambar 3.1

Beberapa representasi kurva fungsi keanggotaan

14

Gambar 3.2

Sistem inferensi fuzzy

17

Gambar 3.3

Arsitektur aturan kendali fuzzy

20

Gambar 3.4

Wavelet Haar dan Daubechies

25

Gambar 3.5

Skema algoritma piramida MODWT

28

Gambar 4.1

Klasifikasi teori fuzzy

31

Gambar 4.2

Pembagian ruang-ruang input dan output ke dalam

daerah-daerah fuzzy beserta fungsi keanggotaannya

34

Gambar 4.3

Basis aturan fuzzy

37

Gambar 4.4

Representasi skematik metode peramalan fuzzy-wavelet

39

Gambar 4.5

Prosedur metode peramalan hybrid fuzzy-wavelet

40

Gambar 5.1

Prosedur pendekatan baru metode peramalan fuzzy-wavelet 44

Gambar 5.2

Prosedur metode peramalan fuzzy, fuzzy-wavelet Popoola,

dan pendekatan baru fuzzy-wavelet

45

Gambar 6.1

Diagram perancangan perangkat lunak

48

Gambar 6.2

Gambaran umum perangkat lunak

49

Gambar 6.3

Diagram alir program utama

50

Gambar 6.4

Diagram alir peramalan dengan fuzzy time series

51

Gambar 6.5

Diagram alir peramalan dengan fuzzy-wavelet Popoola

52

Gambar 6.6

Diagram alir peramalan dengan pendekatan baru

fuzzy-wavelet

53

Gambar 7.1

Form Utama program Analisis Data Runtun Waktu

55

Gambar 7.2

Source code form Utama

55

Gambar 7.3

Modul yang digunakan

56

Gambar 7.4

Form Input Data

56

viii

Gambar 7.5

Penjelasan fungsi-fungsi form Input Data

57

Gambar 7.6

Fungsi-fungsi dasar dalam pembentukan himpunan fuzzy

57

Gambar 7.7

Fungsi fuzzifikasi dan defuzzifikasi

59

Gambar 7.8

Fungsi pembentukan matriks A dan B MODWT

59

Gambar 7.9

Fungsi perhitungan MSE dan MAPE

60

Gambar 7.10 Form Fuzzy

61

Gambar 7.11 Penjelasan fungsi-fungsi form Fuzzy

61

Gambar 7.12 Source code form Fuzzy

62

Gambar 7.13 Form Fuzzy-Wavelet Popoola

63

Gambar 7.14 Penjelasan fungsi-fungsi form Fuzzy-Wavelet Popoola

63

Gambar 7.15 Source code form Fuzzy-Wavelet Popoola

64

Gambar 7.16 Form New Fuzzy-Wavelet

65

Gambar 7.17 Penjelasan fungsi-fungsi form New Fuzzy-Wavelet

65

Gambar 7.18 Source code form New Fuzzy-Wavelet

66

Gambar A.1

Tampilan awal program

77

Gambar A.2

Tampilan form Input Data

78

Gambar A.3

Tampilan form Input Data hingga langkah ke-9

79

Gambar A.4

Tampilan form New Fuzzy-Wavelet

80

Gambar A.5

Tampilan form Fuzzy-Wavelet Popoola

81

Gambar A.6

Tampilan form Fuzzy

82

ix

DAFTAR TABEL

Tabel 3.1

Keunggulan-keunggulan metode Mamdani dan Sugeno

21

Tabel 3.2

Banyak selang nol pada filter sirkular

28

Tabel 4.1

Contoh lingkup penerapan model fuzzy dan hybrid dalam

analisis data runtun waktu

32

Tabel 8.1

Data runtun waktu yang digunakan dalam analisis

67

Tabel 8.2

MSE data runtun waktu yang diterapkan dengan beberapa

metode peramalan

Tabel 8.3

70

MAPE data runtun waktu yang diterapkan dengan beberapa

metode peramalan

72

DAFTAR LAMPIRAN

LAMPIRAN A CONTOH PENGGUNAAN PERANGKAT LUNAK

ANALISIS DATA RUNTUN WAKTU

77

LAMPIRAN B SOURCE CODE FORM INPUT DATA

83

LAMPIRAN C MACKEY-GLASS CHAOTIC TIME SERIES

93

LAMPIRAN D IHSG TIME SERIES

94

LAMPIRAN E ISAT TIME SERIES

95

LAMPIRAN F PLASTIC TIME SERIES

97

LAMPIRAN G CARS TIME SERIES

98

xi

INTISARI

Penerapan Pendekatan Baru Metode Fuzzy-Wavelet

dalam Analisis Data Runtun Waktu
oleh
Seng Hansun
09/291957/PPA/02998
Dewasa ini berbagai teknik soft computing banyak digunakan dan diterapkan
dalam analisis data runtun waktu. Salah satunya adalah model hybrid fuzzy yang
didesain dan dikembangkan untuk meningkatkan tingkat akurasi peramalan data
runtun waktu.
Popoola telah mengembangkan suatu model hybrid fuzzy yang menggunakan
transformasi wavelet sebagai alat pra-pemrosesan, yang dikenal dengan nama
metode fuzzy-wavelet. Dalam penelitian ini, diberikan suatu pendekatan baru
dari metode hybrid fuzzy-wavelet yang telah dikembangkan oleh Popoola. Bila
dalam metode fuzzy-wavelet Popoola, suatu sistem inferensi fuzzy dibangun
untuk setiap data hasil dekomposisi, maka dalam pendekatan baru yang
diberikan hanya ada dua sistem inferensi fuzzy yang dibangun. Dengan demikian,
jumlah komputasi yang diperlukan dalam analisa data runtun waktu dapat
ditekan.
Penelitian dilanjutkan dengan membangun sebuah perangkat lunak yang
dapat digunakan untuk menganalisis data runtun waktu sesuai dengan metode
peramalan yang diterapkan. Sebagai pembanding digunakan tiga metode
peramalan, yakni metode konvensional fuzzy, fuzzy-wavelet Popoola, dan
pendekatan baru fuzzy-wavelet yang dikembangkan. Perangkat lunak tersebut
dapat digunakan untuk peramalan jangka pendek (single-step forecasting)
maupun jangka panjang, dengan batasan maksimal jumlah data yang dapat
diramal adalah 300, maksimal interval yang dapat dibentuk adalah 7, dan
maksimal level transformasi yang dapat diterapkan adalah 10. Selanjutnya
tingkat akurasi dan kehandalan metode yang diusulkan dibandingkan dengan dua
metode peramalan lainnya, sehingga dapat memberikan gambaran mengenai
kehandalan dan keakurasian metode peramalan yang dikembangkan.

Kata kunci: fuzzy, wavelet, data runtun waktu, soft computing

xii

ABSTRACT

A New Approach of Fuzzy-Wavelet Methods Implementation

in Time Series Analysis
by
Seng Hansun
09/291957/PPA/02998
Recently, many soft computing methods have been used and implemented in
time series analysis. One of the methods is fuzzy hybrid model which has been
designed and developed to improve the accuracy of time series prediction.
Popoola has developed a fuzzy hybrid model which using wavelet
transformation as a pre-processing tool, and commonly known as fuzzy-wavelet
method. In this thesis, a new approach of fuzzy-wavelet method has been
introduced. If in Popoolas fuzzy-wavelet, a fuzzy inference system is built for
each decomposition data, then on the new approach only two fuzzy inference
systems will be needed. By that way, the computation needed in time series
analysis can be pressed.
The research is continued by making new software that can be used to
analyze any given time series data based on the forecasting method applied. As a
comparison there are three forecasting methods implemented on the software,
i.e. fuzzy conventional method, Popoolas fuzzy-wavelet, and the new approach
of fuzzy-wavelet method. The software can be used in short-term forecasting
(single-step forecast) and long-term forecasting. There are some limitation to the
software, i.e. maximum data can be predicted is 300, maximum interval can be
built is 7, and maximum transformation level can be used is 10. Furthermore, the
accuracy and robustness of the proposed method will be compared to the other
forecasting methods, so that can give us a brief description about the accuracy
and robustness of the proposed method.

Keywords: fuzzy, wavelet, time series, soft computing

xiii

BAB I
PENDAHULUAN
1.1 Latar Belakang dan Permasalahan
Berdasarkan OECD1 Glossary of Statistical Terms, pengertian data runtun
waktu (time series) adalah suatu rangkaian pengamatan berdasarkan urutan
waktu dari karakteristik kuantitatif dari satu atau kumpulan kejadian yang
diambil dalam periode waktu tertentu. Data runtun waktu banyak diterapkan
dalam berbagai bidang kehidupan, seperti sistem Ekonomi, Biologi, Fisika, hingga
bidang Geografi dan Meteorologi. Untuk memahami karakteristik-karakteristik
yang dimiliki oleh data runtun waktu, para peneliti telah mengadopsi metodemetode analisis data runtun waktu (time series analysis). Salah satu tujuan
analisis data runtun waktu tidak lain adalah untuk menemukan suatu
keteraturan atau pola yang dapat digunakan dalam peramalan kejadian
mendatang.
Untuk memroses data runtun waktu, berbagai teknik soft computing seperti
sistem fuzzy, jaringan saraf (neural networks), algoritma genetika (genetic
algorithm) dan hybrid banyak dikembangkan oleh para peneliti dewasa ini.
Khususnya, banyak model hybrid fuzzy yang didesain dan dikembangkan untuk
meningkatkan

tingkat

akurasi

peramalan

data runtun

waktu

dengan

mengembangkan sistem identifikasi dan teknik optimisasi yang digunakan.

Beberapa model di antaranya adalah ANFIS (Adaptive Network-based Fuzzy
Inference System), DENFIS (Dynamic Evolving Neural-Fuzzy Inference System),
GFPE (Genetic Fuzzy Predictor Ensemble), MOHGA (Multi-Objective Hierarchical

OECD (Organisation for Economic Co-operation and Development) Glossary of Statistical Terms
merupakan kamus istilah yang memiliki definisi dari berbagai terminologi dan konsep penting
dalam bidang Statistika. Definisi dalam OECD Glossary sepenuhnya diambil dari panduan dan
rekomendasi internasional yang ada yang telah dipersiapkan selama dua atau tiga dekade
terakhir oleh organisasi-organisasi internasional (seperti the United Nations, ILO, OECD, Eurostat,
IMF) bekerjasama dengan institusi-institusi dan agensi-agensi lainnya yang bertanggung jawab
atas penyusunan dan penyebarluasan dari data statistik.

Genetic Algorithm), GEFREX (Genetic Fuzzy Rule Extractor), dan PFS (Probabilistic
Fuzzy System) (Popoola, 2007).
Popoola dkk. (2004), mengembangkan sebuah model hybrid fuzzy baru yang
dapat digunakan dalam menganalisis data runtun waktu. Model yang
dikembangkan menggunakan transformasi wavelet untuk mendekomposisi data
runtun waktu dalam koefisien-koefisien berdasarkan waktu dan pita frekuensi
tertentu. Model hybrid yang menggunakan wavelet sebagai suatu alat prapemrosesan dalam analisis data runtun waktu ini dikenal sebagai metode FuzzyWavelet.

Gambar 1.1 Skema pra-pemrosesan dengan wavelet (Popoola, 2007)

Dalam metode fuzzy-wavelet yang diperkenalkan, suatu data runtun waktu,

xt, ditransformasikan terlebih dahulu ke dalam data hasil (return series) yang
ekuivalen, rt. Selanjutnya data return tersebut mengalami tahap pra-pemrosesan,
yakni didekomposisi menjadi komponen-komponen wavelet menurut level atau
tingkat tertentu. Komponen-komponen random (dalam hal ini, frekuensi tinggi)
diabaikan, sehingga menghasilkan data return yang baru, rt. Kemudian suatu
model fuzzy dibangun untuk tiap-tiap komponen wavelet yang ada dan
digunakan untuk melakukan peramalan pada tiap komponen. Terakhir, hasil
peramalan dari tiap-tiap komponen digabung kembali untuk menghasilkan
peramalan secara keseluruhan.

Dari hasil penelitian dan analisis yang dilakukan, Popoola (2007)

menyimpulkan bahwa secara umum tingkat akurasi dan kehandalan data hasil
peramalan dengan menggunakan metode fuzzy-wavelet yang diperkenalkan
mengungguli metode-metode peramalan lainnya, baik metode konvensional
(misal, ARIMA (AutoRegressive Integrated Moving Average), fuzzy) maupun
hybrid (misal, ANFIS (Adaptive Network-based Fuzzy Inference System), GFPE
(Genetic Fuzzy Predictor Ensemble)). Namun demikian tidak berarti bahwa
metode hybrid yang kompleks dapat selalu mengungguli metode konvensional
yang lebih sederhana dalam peramalan data runtun waktu. Dari percobaan yang
dilakukan, ternyata pada beberapa kasus tertentu, model konvensional yang
lebih sederhana terbukti dapat memberikan tingkat akurasi dan kehandalan yang
lebih baik daripada model hybrid untuk peramalan data runtun waktu.
Dalam Tesis ini, akan dilakukan analisis peramalan data runtun waktu melalui
suatu pendekatan baru metode fuzzy-wavelet. Bila dalam metode fuzzy-wavelet
sebelumnya (Popoola dkk., 2004; Popoola, 2007) dibangun suatu model fuzzy
untuk setiap komponen wavelet hasil dekomposisi, maka dalam metode ini
hanya dua model fuzzy yang akan dibangun untuk keseluruhan data hasil
dekomposisi wavelet. Selanjutnya data hasil peramalan yang diperoleh melalui
transformasi wavelet tersebut akan diinversikan kembali menjadi data awal hasil
peramalan. Tingkat akurasi dan kehandalan peramalan data runtun waktu
melalui pendekatan baru metode fuzzy-wavelet ini selanjutnya akan dianalisis
dan dibandingkan dengan akurasi dan kehandalan peramalan data runtun waktu
dengan beberapa metode lainnya.
Dari hasil penelitian yang dilakukan diharapkan dapat memberikan gambaran
mengenai tingkat akurasi dan kehandalan peramalan data runtun waktu dengan
menggunakan pendekatan baru metode fuzzy-wavelet yang diperkenalkan,
sehingga pengembangan dan pemanfaatan metode hybrid fuzzy-wavelet ini
dapat diterapkan dalam berbagai bidang kehidupan.

1.2 Tujuan Penelitian

Tujuan penelitian Tesis ini adalah untuk memperkenalkan dan menerapkan
suatu pendekatan baru metode fuzzy-wavelet dalam peramalan data runtun
waktu (time series). Metode fuzzy-wavelet yang telah dikembangkan oleh
Popoola dkk. (2004, 2007) memang terbukti secara umum dapat memberikan
hasil peramalan dengan tingkat akurasi dan kehandalan yang lebih baik
dibandingkan metode-metode peramalan lainnya. Namun kerumitan dan jumlah
komputasi yang diperlukan untuk melakukan pemrosesan data akan bertambah
seiring dengan tingginya tingkat atau level transformasi wavelet yang digunakan.
Untuk itu, dalam penelitian ini akan dilakukan pemrosesan data yang lebih
sederhana dengan membangun dua model fuzzy untuk keseluruhan komponen
data hasil transformasi wavelet. Dengan pendekatan baru yang diperkenalkan ini
diharapkan dapat memberikan data hasil peramalan dengan tingkat akurasi dan
kehandalan yang cukup baik, dengan komputasi yang lebih sederhana.

1.3 Batasan Masalah

Dalam penelitian yang dilakukan, terdapat beberapa batasan masalah yang
digunakan, di antaranya:
1. Data runtun waktu yang digunakan dalam analisis adalah Mackey-Glass
chaotic time series dan beberapa data dunia nyata (real world time series
data) yang diunduh dari Time Series Data Library2 dan Yahoo! Finance.
2. Keluarga wavelet yang digunakan dalam transformasi data runtun waktu
adalah Daubechies 4 dengan metode wavelet MODWT (Maximal Overlap
Discrete Wavelet Transform).
3. Metode fuzzy yang digunakan dalam peramalan data adalah fuzzy time
series.

Time Series Data Library merupakan sebuah situs web yang menyediakan lebih dari 800 koleksi
data runtun waktu yang diambil dari berbagai bidang terapan, mulai dari Pertanian, Produksi,
Penjualan, Ekonomi, hingga Olahraga. Situs Time Series Data Library diciptakan oleh Rob
Hyndman dan dapat diunduh secara bebas di http://robjhyndman.com/TSDL/.

4. Tingkat akurasi dan kehandalan metode yang diperkenalkan akan

dibandingkan dengan dua metode peramalan lainnya, yakni metode
konvensional fuzzy dan metode hybrid fuzzy-wavelet yang diperkenalkan
oleh Popoola.
5. MSE (Mean Square Error) digunakan untuk mengukur kehandalan metode
yang diperkenalkan dibandingkan dengan metode-metode peramalan
lainnya.
6. MAPE (Mean Absolute Percentage Error) digunakan untuk mengukur
tingkat akurasi metode-metode peramalan yang digunakan dalam
peramalan data runtun waktu.

1.4 Metodologi Penelitian

Metodologi penelitian yang dilaksanakan dalam penyusunan Tesis ini diawali
dengan motivasi dan dasar teori mengenai analisis data runtun waktu (time
series); himpunan, logika dan sistem fuzzy yang umum dikenal, serta metode dan
keluarga wavelet yang digunakan. Kemudian pembahasan dilanjutkan dengan
pengenalan metode peramalan fuzzy konvensional, serta metode peramalan
hybrid fuzzy-wavelet yang diperkenalkan oleh Popoola dkk. (2004, 2007).
Sebuah pendekatan baru metode fuzzy-wavelet yang lebih sederhana akan
dikembangkan dan menjadi fokus utama penelitian yang dilakukan. Selanjutnya
untuk mengetahui tingkat akurasi dan kehandalan pendekatan baru metode
peramalan fuzzy-wavelet tersebut akan dilakukan pengecekan dengan beberapa
kriteria pemilihan model peramalan, di antaranya MSE (Mean Square Error) dan
MAPE (Mean Absolute Percentage Error). Tingkat akurasi dan kehandalan
metode fuzzy-wavelet tersebut juga akan dibandingkan dengan beberapa
metode lainnya, yakni metode peramalan konvensional fuzzy dan metode
peramalan hybrid fuzzy-wavelet Popoola.
Penelitian dilanjutkan dengan menerapkan metode-metode peramalan yang
telah dipelajari dan dikembangkan ke dalam suatu perangkat lunak. Beberapa

data runtun waktu di dunia nyata akan diambil sebagai contoh kasus untuk
diterapkan dalam perangkat lunak yang dibangun. Presentasi dan pembahasan
hasil penelitian akan diberikan sebelum penelitian diakhiri dengan kesimpulankesimpulan yang dapat ditarik dari hasil penelitian yang telah dilakukan, serta
saran-saran yang dapat diberikan untuk pengembangan penelitian berikutnya.

1.5 Sistematika Penulisan

Penulisan Tesis ini dibagi dalam 9 (sembilan) bab, dengan rincian masingmasing sebagai berikut:

BAB I.

PENDAHULUAN
berisikan latar belakang dan permasalahan, tujuan penelitian yang
dilakukan, batasan masalah, metodologi penelitian, dan sistematika
penulisan.

BAB II. TINJAUAN PUSTAKA

berisikan tinjauan pustaka yang digunakan dalam penelitian dan
pengembangan sistem yang dibangun.
BAB III. LANDASAN TEORI
berisikan beberapa teori mengenai analisis data runtun waktu (time
series), sistem fuzzy, dan teori wavelet sebagai dasar teori metode
peramalan fuzzy-wavelet.
BAB IV. METODE PERAMALAN KONVENSIONAL DAN HYBRID FUZZY-WAVELET
memperkenalkan metode peramalan data runtun waktu konvensional
fuzzy dan hybrid fuzzy-wavelet yang dikembangkan oleh Popoola dkk.
BAB V. PENDEKATAN BARU METODE PERAMALAN FUZZY-WAVELET
memperkenalkan pendekatan baru metode peramalan fuzzy-wavelet
yang lebih sederhana. Bab ini dilengkapi dengan catatan mengenai
kriteria pemilihan model peramalan terbaik yang akan digunakan
sebagai dasar analisis.