Analisis Perubahan Data Time Series ke Real Time

Dosen Pengampu : Wahid Muhammad Shodiq, S.P., M.P

Disusun Oleh : Kelompok 4

Gracia Okda 202010210311006

Moh. Novanto 202010210311016

Dewi Shohibatur 202010210311023

Fahmi Ibrahim 202010210311027

Elsaday Marcelina 202010210311028

Robby Bintoro Putra 202010210311113

Muh Fajar Hidayat 202010210311052

Prodi Agribisnis

Fakultas Pertanian Peternakan

Universitas Muhammadiyah Malang

Semester Ganjil Tahun Ajaran 2022/ 2023

 BAB 1

PENDAHULUAN

A. Latar Belakang
Time series atau bisa disebut deret waktu merupakan salah satu metode forcasting
kuantitatif yang merupakan suatu metode peramalan yang menghubungkan keterkaitan setara
variabel dependent (yang dicari) dengan variabel independent (yang memengaruhi) kemudian
dihubungkan dengan waktu dalam satuan minggu, bulan atau tahun. Tujuan dari time series
ini adalah untuk menemukan suatu keteraturan atau pola yang dapat digunakan dalam
permalan kejadian mendatang. Analisis data deret waktu sangat aplikatif dalam dunia bisnis
guna meramalkan atau memprediksi nilai suatu perolehan data di masa yang akan datang
berdasarkan data-data masa lampau. Peramalan terhadap suatu data bisnis yang bersifat deret
waktu dimanfaatkan untuk perencanaan dan proyeksi di masa yang mendatang. Suatu
peramalan data deret waktu diperoleh dari analisis deret waktu dalam bentuk pemodelan data.
Untuk memproses data runtun waktu, berbagai teknik soft computing seperti system
fuzzy, jaringan saraf, algoritma genetic, dan hybrid banyak dikembangkan oleh para peneliti.
Khususnya , pendekatan dengan menggunakan sistem fuzzy banyak dikembangkan oleh
peneliti seperti : Chen dan Hsu (memperkenalkan metode baru dalam peramalan data
penerimaan mahasiswa baru Universitas Albama) ; Jilani dkk (yang menggunakan
pendekatan fuzzy metric untuk peramalan fuzzy time series) ; Stevenson dan Porter (yang
memanfaatkan persentase perubahan data sebagai semesta pembicaraan dalam peramalan
data runtun waktu dengan fuzzy time series) ; Popoola dkk. serta Hansun dan Subanar (yang
menggunakan metode hybrid fuzzy-wavelet dalam peramalan data runtun waktu (A &
Mashud, 2018).

B. Rumusan Masalah

Apa itu analisis perubahan data time series ke real time ?

Apa saja tipe pola data pada time series ?

C. Tujuan

- Mengetahui apa itu analisis perubahan data time series ke real time
 - Mengetahui apa saja tipe pola data pada time series

BAB 2

PEMBAHASAN

- Pengertian

Deret waktu atau yang biasa disebut Time Series merupakan salah satu metode
forcasting kuantitatif yang merupakan suatu metode peramalan yang menghubungkan
keterkaitan setara variabel dependent (yang dicari) dengan variabel independent (yang
memengaruhi) kemudian dihubungkan dengan waktu dalam satuan minggu, bulan atau tahun.
Tujuan dari time series ini adalah untuk menemukan suatu keteraturan atau pola yang dapat
digunakan dalam permalan kejadian mendatang. Untuk itu dalam 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, pendekatan dengan menggunakan sistem fuzzy banyak
dikembangkan oleh para peneliti, seperti: Chen dan Hsu [1] yang memperkenalkan metode
baru dalam peramalan data penerimaan mahasiswa baru Universitas Alabama; Jilani dkk. [2]
yang menggunakan pendekatan fuzzy metric untuk peramalan fuzzy time series; Stevenson
dan Porter [3] yang memanfaatkan persentase perubahan data sebagai semesta pembicaraan
dalam peramalan data runtun waktu dengan fuzzy time series; Popoola dkk. [8,9], serta
Hansun dan Subanar [10,11] yang menggunakan metode hybrid fuzzy-wavelet dalam
peramalan data runtun waktu (Hansun, 2013).

Data time series adalah data yang dikumpulkan dari waktu ke waktu, ada berbagai
jenis data yang menjelaskan bagaimana dan kapan data tersebut direkam. Analisis data time
series adalah analisa yang menerangkan dan mengukur berbagai perubahan atau
perkembangan data selama satu periode (Hansun, 2013). Analisis time series dilakukan untuk
memperoleh pola data time series dengan menggunakan data masa lalu yang akan digunakan
untuk meramalkan suatu nilai pada masa yang akan datang. Dalam time series terdapat empat
macam tipe pola data, yaitu:
 - Tipe pola data dalam time series

1. Tren

Merupakan perubahan jangka panjang baik naik maupun turun dalam data. Sebagai contoh
perubahan-perubahan pada keadaan cuaca biasanya memberikan variasi siklus pada periode
yang sangat panjang.

2. Musiman

Pola ini muncul apabila deret dipengaruhi oleh faktor-faktor musiman, misalnya kuartalan,
bulanan, harian maupun tahunan.

3. Siklus

Pola siklus ini muncul apabila data dipengaruhi oleh fluktuasi jangka panjang yang biasanya
berbentuk osilasi, misalnya gejala-gejala fisika seperti gelombang tsunami pada jangka waktu
beberapa periode tertentu. Perbedaan utama pola musiman dan siklus terletak pada panjang
dan periodenya. Pada musiman pola cenderung memiliki panjang konstan dan terjadi
berulang pada periode teratur; namun, pada siklus pola ini memiliki panjang yang bervariasi
dan magnitudo yang juga bervariasi.

4. Karakteristik Data Deret Waktu

Selain memperlihatkan adanya pola tren, pengaruh musiman, dan pengaruh siklus, plot deret
waktu juga memberikan informasi tentang fluktuasi tak beraturan dan adanya pencilan
(outliers). Hal ini akan berdampak pada pemodelan serta analisis yang digunakan.

Dalam teori logika fuzzy, sistem fuzzy tidak dimaksudkan untuk mengacu pada
sistem yang tidak jelas atau kabur. Sebaliknya, yang dimaksud dengan sistem fuzzy adalah
sebuah sistem yang dibangun dengan definisi, cara kerja, dan deskripsi yang jelas berdasar
pada teori logika fuzzy. Sistem logika fuzzy adalah sebuah metodologi “berhitung” dengan
variabel kata-kata (linguistic variable), sebagai pengganti berhitung dengan bilangan. Fuzzy
time series adalah sebuah konsep baru yang diusulkan oleh Song dan Chissom berdasarkan
teori himpunan fuzzy (fuzzy set) dan konsep variabel linguistik. Fuzzy time series merupakan
konsep yang dapat digunakan untuk meramalkan masalah di mana data historis tersebut
dibentuk dalam nilai-nilai linguistik, dengan kata lain datadata terdahulu dalam fuzzy time
series adalah data linguistik, sedangkan data terkini sebagai hasilnya berupa angka-angka riil.

Peramalan merupakan metode yang digunakan untuk memprediksi ketidak pastian

masa depan sebagai upaya untuk mengambil keputusan yang lebih baik. Fuzzy time series
merupakan konsep baru yang dikenal dengan istilah kecerdasan buatan yang digunakan untuk
meramalkan masalah dimana data historis tersebut dibentuk dalam nilai-nilai linguistik dan
menghasilkan peramalan yang lebih akurat. Dengan menggunaakan logika fuzzy dalam
masalah peramalan time series yang mampu memberikan penjelasan pada data yang samar
dan disajikan dalam nilai-nilai linguistik (Fauziah et al., 2016).

- Study Kasus (A & Mashud, 2018)

PENERAPAN METODE TIME SERIES DALAM MEMPREDIKSI HASIL

PRODUKSI PERTANIAN BERDASARKAN NILAI TREND

A. Sumardin1 , Mashud2

Teknik Informatika STMIK AKBA1 , Komputerisasi Akuntansi STMIK AKBA2

Email: andisumardin@akba.ac.id1 , mashud@akba.ac.id2

Hasil implementasi penelitian berdasarkan analisis yang telah dilakukan yang mencakup
implementasi sistem serta tahap-tahap pengujian dari sistem yang telah dibuat untuk
mengetahui tingkat keberhasilan dari sistem tersebut a. Hasil perbandingan pengujian manual
dan sistem

Tabel 1 Hasil Perbandingan Pengujian

b. Trend Plot

trend plot merupakan menu yang digunakan untuk menampilkan perkembangan hasil
komoditi pada setiap tahun dari tiap-tiap kecamatan. Melalui menu ini pengguna akan
mendapatkan informasi hasil pertanian per kecamatan setiap tahunnya. Hasil dari menu ini
akan disajikan dalam bentuk grafik.

Gambar 5 Trend Plot Hasil Produksi

c. Time Series

Menu time series merupakan halaman yang digunakan untuk menampilkan hasil
komoditi berdasarkan kecamatan dan jenis komoditi. Melalui menu ini pengguna akan
mendapatkan informasi tentang jumlah hasil produksi per tahun dari tiap-tiap kecamatan
serta jumlah trend, trend awal dan trend akhir. Hasil dari menu ini akan disajikan dalam
fitur trend hasil produksi yang telah di filter.

Gambar 6 Time Series

d. Rekapitulasi Hasil
Menu rekapitulasi hasil merupakan tampilan yang digunakan untuk menampilkan
hasil hasil pertanian berdasarkan periode tahun dan jenis komoditi. Informasi yang
dihasilkan berupa data produksi pertanian tiap tahun dan tiap komoditi dari masing-masing
kecamatan. Informasi berupa luas tanam (Ha), luas panen (Ha) dan hasil produksi (Ton)
serta produktivitas (Ton) dan ditampilkan juga informasi total dari masing-masing poin
tersebut.

Gambar 7 Rekapitulasi Hasil

e. Hasil Produksi
Menu hasil produksi pertanian merupakan tampilan yang digunakan untuk
menginput serta menampilkan data panen yang ada pada setiap kecamatan. Pada menu
hasil produksi terdapat 2 submenu yaitu daftar hasil produksi yang digunakan untuk
menampilkan hasil produksi dan Add hasil produksi digunakan untuk menginput data hasil
produksi. Melalui form ini pengguna akan mendapatkan informasi tentang jumlah
produksi pertanian berdasarkan luas tanam, luas panen, jumlah produksi dan provitas per
tahun pada tiap-tiap komoditi di masing- masing kecamatan. Hasil dari menu ini akan
disajikan dalam fitur rekapitulasi yang telah difilter.
 Gambar 8 Hasil Produksi

f. Script Menu Time Series

Script pada menu time series berfungsi untuk menampilkan trend hasil produksi.
Hasil dari menu ini akan disajikan dalam fitur trend hasil produksi yang telah di filter.

Gambar 9 Script Time Series

Penjelasan : Listing pada gambar 9

$kcmtn=mysqli_query($koneksi,"select * from kecamatan"); merupakan suatu perintah

yang digunakan untuk menampilkan data yang ada pada tabel kecamatan . $query_=
mysqli _query $koneksi,"select h.*,kc.nm_kecamatan, k.nm_komoditi, p.* from
kecamatan kc left join hasilproduksi hkc. id_ kecamatan= h.id_ kecamatan left join
komoditi k on h.id_ komoditi=k.id_komoditi left join periodetahun ph.id_periode
=p.id_periode where k.id_ komoditi= '$TxtKodeKec' and kc.id_kecamatan='$kId'";
berfungsi sebagai perintah untuk menghubungkan data yang ada dalam suatu tabel, yang
dimaksud adalah perintah untuk menghubungkan field nm_kecamatan, nm_komoditi,
nm_periode. Dari tabel kecamatan yang tergabung ke tabel hasilproduksi.

g. Script Trend Plot

Script menu kecamatan berfungsi untuk menampilkan halaman menu kecamatan. Terdapat
tombol search yang berfungsi untuk menampilkan hasil pencarian berdasarkan nama
kecamatan

Gambar 10 Script Trend Plot

 Penjelasan : Listing pada gambar 10

<’mysql_select_db('a_tanitoraja')’> berfungsi sebagai perintah

untuk menampilkan data yang ada pada database dengan nama “tanitoraja”. Dan
listing
<’select * from `kecamatan`> fungsi select adalah sebagai perintah untuk menampilkan
data yang ada dalam suatu tabel, yang dimaksud adalah perintah untuk menampilkan tabel
yang ada didatabase dengan nama tabel ”Kecamatan” yang berisi id_kecamatan dan
nm_kecamatan.

Kesimpulan study kasus

Berdasarkan penelitian yang telah dilakukan, dapat disimpulkan bahwa :

- Sistem informasi monitoring hasil produksi pertanian tanaman jangka pendek dapat
membantu dalam proses memantau perkembangan hasil produksi pertanian dari
tahun ketahun.
- Berdasarkan hasil pengujian sistem dengan perhitungan manual yang dilakukan
pada 5 komoditi menunjukkan bahwa terjadi selisish rata-rata sebanyak satu angka.
Hal ini disebabkan karena adanya pembulatan pada perhitungan sistem.

BAB 3

KESIMPULAN

Time series merupakan salah satu metode forcasting kuantitatif yang merupakan suatu
metode peramalan yang menghubungkan keterkaitan setara variabel dependent (yang dicari)
dengan variabel independent (yang memengaruhi) kemudian dihubungkan dengan waktu
dalam satuan minggu, bulan atau tahun. Time series mempunyai empat macam pola yaitu
tren, musiman, siklus, dan Karakteristik Data Deret Waktu. Data yang sering digunakan
untuk meramalkan suatu nilai di masa yang akan datang dengan menggunakan teori logika
fuzzy.

Fuzzy time series adalah sebuah konsep baru berdasarkan teori himpunan fuzzy dan
konsep variabel linguistik untuk menghitung peramalan data dengan memprediksi
ketidakpastian masa depan untuk mendapatkan keputusan yang baik. Dalam teori logika
fuzzy, sistem fuzzy tidak dimaksudkan untuk mengacu pada sistem yang tidak jelas atau
kabur. Namun, yang dimaksud dengan sistem fuzzy adalah sebuah sistem yang dibangun
dengan definisi, cara kerja, dan deskripsi yang jelas berdasar pada teori logika fuzzy. Sistem
logika fuzzy adalah sebuah metodologi “berhitung” dengan variabel kata-kata (linguistic
variable), sebagai pengganti berhitung dengan bilangan. Fuzzy time series merupakan konsep
yang dapat digunakan untuk meramalkan masalah di mana data historis tersebut dibentuk
dalam nilai-nilai linguistik

Daftar Pustaka

A, S., & Mashud. (2018). Penerapan Metode Time Series Dalam Memprediksi Hasil
Produksi Pertanian Berdasarkan Nilai Trend. Inspiration : Jurnal Teknologi Informasi
Dan Komunikasi, 8(1). https://doi.org/10.35585/inspir.v8i2.2461

Fauziah, N., Wahyuningsih, S., & Nasution, Y. N. (2016). Peramalan Mengunakan Fuzzy
Time Series Chen (Studi Kasus : Curah Hujan Kota Samarinda). Statistika, 4(2), 52–61.

Hansun, S. (2013). Peramalan Data IHSG Menggunakan Fuzzy Time Series. IJCCS
(Indonesian Journal of Computing and Cybernetics Systems), 7(1), 79–88.
https://doi.org/10.22146/ijccs.2155