Pemodelan Weighted Fuzzy Time Series Lee untuk Meramalkan Giro

Abstract

Abstract. The Fuzzy Time Series method is a new technique for forecasting which is developed from the concept of Fuzzy theory. In contrast to other forecasting methods, the Fuzzy Time Series method does not require the fulfillment of assumption tests, the process is not too complicated which is the advantage of this method. The Fuzzy Time Series method has been developed into several new methods, one of which is the Weighted Fuzzy Time Series Chen, but there are weaknesses of the method developed by Chen because there is no repetition and no smaller weighting on the increasingly long observations, then researcher Lee improved this method by do the repetition. In the world of banking, the term current account is familiar because demand deposits are one of the transaction services offered by banks, therefore it becomes a natural thing if running a checking account requires a model to predict current accounts. Previously, the method used to obtain the forecasting model was simple linear regression but this method was not in accordance with the conditions that occurred in the data with an indication of forming a trend pattern. Therefore, another method will be used to obtain a suitable forecasting model for the data with an indication of forming a trend pattern, namely using the Weighted Fuzzy Time Series method. This research proposes a new method to obtain current account forecasting model through Lee's Weighted Fuzzy Time Series method. As a case study, current bank bjb customer checking data is used in January-March 2019. From the research, it is concluded that the forecasting model is   and data matched using Lee's Weighted Fuzzy Time Series to forecast current accounts because the forecasting results have an MAPE value of 19.65204316.

Keywords: Fuzzy Time Series, Weighted Fuzzy Time Series, Mean Absolute Percentage Error and Customer Current Account Data.

 

Abstrak. Metode Fuzzy Time Series adalah suatu teknik baru untuk peramalan yang di kembangkan dari konsep teori Fuzzy. Berbeda dengan metode peramalan lainnya, metode Fuzzy Time Series tidak membutuhkan pemenuhan uji asumsi, prosesnya tidak terlalu rumit yang menjadi kelebihan dari metode ini. Metode Fuzzy Time Series banyak dikembangkan menjadi beberapa metode baru salah satunya Weighted Fuzzy Time Series Chen namun terdapat kelemahan dari metode yang dikembangkan oleh Chen karena tidak adanya pengulangan serta tidak adanya pembobotan yang semakin kecil pada pengamatan yang semakin lama, kemudian peneliti Lee memperbaiki metode ini dengan melakukan pengulangan. Dalam dunia perbankan istilah giro sudah tidak asing dikarenakan giro merupakan salah satu jasa transaksi yang ditawarkan oleh bank, oleh karena itu menjadi suatu hal yang wajar jika dalam menjalankan transaksi giro memerlukan model untuk meramalkan giro. Sebelumnya, metode yang digunakan untuk mendapatkan model peramalan adalah regresi linear sederhana namun metode ini tidak sesuai dengan kondisi yang terjadi pada data dengan indikasi membentuk pola trend. Oleh karena itu akan digunakan metode lain untuk mendapatkan model peramalan yang sesuai untuk data dengan indikasi membentuk pola trend yaitu menggunakan metode Weighted Fuzzy Time Series. Penelitian ini mengajukan metode baru untuk mendapatkan model peramalan giro melalui metode Weighted Fuzzy Time Series dari Lee. Sebagai studi kasus digunakan data giro nasabah bank bjb bulan Januari-Maret tahun 2019. Dari penelitian yang dilakukan disimpulkan bahwa model peramalannya ialah    dan data cocok menggunakan Weighted Fuzzy Time Series dari Lee untuk meramalkan giro karena hasil peramalan memiliki nilai MAPE sebesar 19,65204316.

Kata Kunci: Fuzzy Time Series, Weighted Fuzzy Time Series, Mean Absolute Percentage Error dan Data Giro Nasabah.