Prodi Agribisnis
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
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.
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.
A. Sumardin1 , Mashud2
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
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.
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.
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.
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
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.
Script menu kecamatan berfungsi untuk menampilkan halaman menu kecamatan. Terdapat
tombol search yang berfungsi untuk menampilkan hasil pencarian berdasarkan nama
kecamatan
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