Perbandingan Metode Fuzzy Time Series Chen dan Singh untuk Kunjungan Wisatawan yang Masuk ke Indonesia pada Tahun 2018-2023
Abstract
Abstract. Time series data is a collection of observations whose variables are measured according to the order of their periods. For example monthly, quarterly, yearly, etc. The goal is to find patterns in the data and apply these patterns to forecasting. Time series forecasting is based on historical data (past data). There are several methods for time series, one of which is fuzzy time series and has several models including the Chen and Singh model. Fuzzy time series is a concept proposed by Song (1997) and Chissom (1997), to solve forecasting problems if the historical data is in the form of linguistic values. Forecasting will use the Fuzzy Time Series method as one of the forecasting methods with better forecasting results compared to several other methods. Chen's model uses simple operation and Singh's model uses Simple Computation. In December 2023 Chen's model produces 23,926 tourists and forecasters using the Singh model produce 13,914 tourists. With the Chen model MAPE value is 7.578%. Meanwhile, the MAPE value for the Singh model is 2.06249%. Singh's model is a better model in predicting tourist visits to Indonesia.
Abstrak. Data deret waktu merupakan kumpulan pengamatan yang variabelnya diukur menurut urutan periodenya. Misalnya bulanan, triwulanan, tahunan, dll. Tujuannya adalah untuk menemukan pola dalam data dan menerapkan pola tersebut pada prakiraan (peramalan). Peramalan deret waktu didasarkan pada data historis (data masa lalu). Terdapat beberapa metode dari deret waktu salah satunya fuzzy time series dan memiliki beberapa model diantaranya model Chen dan Singh. Fuzzy time series merupakan sebuah konsep yang diusulkan oleh Song (1997) dan Chissom (1997), untuk menyelesaikan masalah peramalan apabila data historisnya berupa nilai-nilai linguistic. Peramalan akan menggunakan metode Fuzzy Time Series sebagai salah satu metode peramalan dengan hasil peramalan lebih baik dibandingkan dengan beberapa metode lainnya. Model Chen menggunakan operasi sederhana dan model Singh menggunakan Komputasi Sederhana. Pada bulan Desember 2023 model Chen menghasilkan wisatawan sebesar 23.926 orang dan hasil peramal menggunakan model Singh menghasilkan wisatawan sebesar 13.914 orang. Dengan nilai MAPE model Chen adalah sebesar 7.578%. Sedangkan nilai MAPE model Singh adalah sebesar 2.06249%. Model Singh merupakan model yang lebih baik dalam meramalkan kunjungan wisatawan yang masuk ke Indonesia.
References
Gewati, M. (2019). BI: Industri Pariwisata Jadi Sektor Paling Hasilkan Devisa. Kompas. com, 23. Diakses pada : 4 September 2023
Handoko, B. (2010). Peramalan Beban Listrik Jangka Pendek pada Sistem Kelistrikan Jawa Timur dan Bali Menggunakan Fuzzy Time Series. TugasAkhir, JurusanTeknikElektro, ITS, Surabaya.
Iswahyudi, C. (2016). Pengantar Forecasting (Teknik Peramalan). Bali: STIKOM Bali
Mariyono, J. (2017). Determinants of demand for foreign tourism in Indonesia. Jurnal Ekonomi Pembangunan: Kajian Masalah Ekonomi dan Pembangunan, 18(1), 82-92.
Rachim, F., Tarno, T., & Sugito, S. (2020). Perbandingan Fuzzy Time Series dengan Metode Chen dan Metode SR Singh (Studi Kasus: Nilai Impor di Jawa Tengah Periode Januari 2014–Desember 2019). Jurnal Gaussian, 9(3), 306-315.
Song, Q. dan Chissom, B. S. “Forecasting enrollments with fuzzy time series-Part I”. Fuzzy Sets and Systems, 54: 1-9. 1993
Zadeh, L. A. (1965). Fuzzy Sets. International Journal of Information and Control. 8:338-353.
Zamani, H. (2020). Perbandingan Metode Fuzzy Time Series Model Chen dan Singh pada Nilai Ekspor Indonesia Tahun 1999-2020 (Doctoral dissertation Muhammadiyah University Semarang).
Aisha Kusuma Putri, & Suliadi. (2023). Rekomendasi Destinasi Wisata di Indonesia Menggunakan Metode Item2Vec. Jurnal Riset Statistika, 11–18. https://doi.org/10.29313/jrs.v3i1.1770
Ajeng Mega Pratiwi, & Mutaqin, A. K. (2021). Penerapan Algoritma Naïve Bayes Classifier dalam Memprediksi Status Keberlanjutan Polis Nasabah Asuransi PT.X. Jurnal Riset Statistika, 1(2), 117–126. https://doi.org/10.29313/jrs.v1i2.435
Dewi, F., 1, H., & Kudus, A. (2023). Penanganan Data Missing dengan Algoritma Multivariate Imputation By Chained Equations (MICE). 1(1), 35–42. https://doi.org/10.29313/datamath.v1i1.25
Iswahyudi, C. (2016). Pengantar Forecasting (Teknik Peramalan).