Perbandingan Interval pada Fuzzy Time Series Cheng untuk Peramalan Jumlah Kasus ISPA
Abstract
Abstract. Forecasting for number of ARI (Acute Respiratory Infection) cases needs to be used for planning and evaluation of health decisions or policies to reach a healthy Indonesian society. Fuzzy Time Series is one of the statistical methods can be used for forecasting. Cheng's Fuzzy Time Series method develops Chen's Fuzzy Time Series model which has the disadvantage of not consider FLR (Fuzzy Logical Relationship) repetition. Therefore, Cheng's Fuzzy Time Series method assigns weights to individual fuzzy relationships and modifies the forecasting value with an adaptive model. The purpose of this study is to determine the forecasting results and accuracy level regarding the number of ARI cases at the Margahayu Raya Health Center using the Average-based and Sturges interval methods in Cheng's Fuzzy Time Series. This study uses data on the number of ARI cases from September 01, 2023 to January 30, 2024 which has the best model using the Average-based interval method with MAPE for adaptive forecasting of 12%, indicating that the forecasting results have an accuracy of 88% with a good forecasting category.
Abstrak. Peramalan untuk jumlah kasus ISPA (Infeksi Saluran Pernafasan Akut) perlu dilakukan sebagai acuan dalam perencanaan dan evaluasi mengenai keputusan ataupun kebijakan kesehatan untuk mewujudkan masyarakat Indonesia yang sehat. Fuzzy Time Series adalah salah satu metode statistika yang dapat digunakan untuk peramalan. Metode Fuzzy Time Series Cheng mengembangkan model Fuzzy Time Series Chen yang memiliki kekurangan tidak mempertimbangkan pengulangan FLR (Fuzzy Logical Relationship). Sehingga dalam metode Fuzzy Time Series Cheng menetapkan bobot terhadap hubungan individu fuzzy dan memodifikasi nilai peramalan dengan model adaptif. Tujuan penelitian ini adalah untuk mengetahui hasil peramalan dan tingkat akurasi yang dihasilkan mengenai jumlah kasus ISPA di Puskesmas Margahayu Raya menggunakan metode interval Average-based dan Sturges pada Fuzzy Time Series Cheng. Penelitian ini menggunakan data jumlah kasus ISPA pada 01 September 2023 hingga 30 Januari 2024 yang menghasilkan model terbaik menggunakan metode interval Average-based dengan MAPE untuk peramalan adaptif sebesar 12% yang artinya hasil peramalan memiliki ketepatan sebesar 88% dengan kategori peramalan yang baik.
References
Arnita, N. Afnisah, and Marpaung, F. (2020). A Comparison of The Fuzzy Time Series Methods of Chen, Cheng and Markov Chain in Predicting Rainfall in Medan. Journal of Physics: Conf. Series, 1462.
Hasbiollah, M. (2015). Peramalan Konsumsi Gas Indonesia Menggunakan Algoritma Fuzzy Time Series Stevenson Porter. Seminar Nasional. Surakarta: Prosiding Seminar Nasional Matematika dan Pendidikan Matematika, Universitas Muhammadiyah Surakarta.
Purnama, S. G. (2016). Buku Ajar Penyakit Berbasis Lingkungan. Universitas Udayana.
Lewis, C. D. (1982). International and Business Forecasting Methods. London: Butterworths
K. Huarng. (2001). Effective lengths of intervals to improve forecasting in fuzzy time series. Fuzzy Sets and Systems, 123, 387–394.
Adeline Vinda Septiani, Hasibuan, R. A., Anwar Fitrianto, Erfiani, & Alfa Nugraha Pradana. (2023). Penerapan Metode K-Medoids dalam Pengklasteran Kab/Kota di Provinsi Jawa Barat Berdasarkan Intensitas Bencana Alam di Jawa Barat pada Tahun 2020-2021. Statistika, 23(2), 147–155. https://doi.org/10.29313/statistika.v23i2.3057
Luqyana Zakiya Almas, Yuliana Susanti, & Sri Sulistijowati Handajani. (2024). Penerapan Algoritma K-Nearest Neighbors dalam Sistem Rekomendasi Makanan Berdasarkan Kebutuhan Nutrisi dengan Content-Based Filtering. Statistika, 24(1), 115–122. https://doi.org/10.29313/statistika.v24i1.3558
Primanda, E., & Oktora, S. I. (2024). Analisis Ketertinggalan Desa di Provinsi Papua dan Papua Barat Menggunakan Association Rule Mining. Statistika, 24(1), 102–114. https://doi.org/10.29313/statistika.v24i1.2302
