PERBANDINGAN METODE ARIMA DENGAN FUZZY TIME SERIES MODEL CHEN PADA PERAMALAN CURAH HUJAN DI KOTA BENGKULU
DOI:
https://doi.org/10.36085/mathumbedu.v11i3.6480Abstract
Penelitian ini mengeksplorasi dan membandingkan efektivitas dua metode peramalan curah hujan yang berbeda, yaitu Fuzzy Time Series (FTS) model Chen dan Auto Regressive Integrated Moving Average (ARIMA), dalam konteks data tanpa pola musiman yang jelas. Dalam perbandingan ini, dilakukan evaluasi kinerja kedua metode berdasarkan dua metrik utama: Mean Absolute Percentage Error (MAPE) dan Mean Squared Error (MSE). Menariknya, meskipun kedua metode menunjukkan penyimpangan dalam prediksi, model ARIMA (4,1,0) unggul dengan nilai MAPE sebesar 106.5033 dan MSE sebesar 20,085.69, dibandingkan dengan model FTS yang mencatat MAPE sebesar 145.408 dan MSE sebesar 21,000.92. Hasil ini menunjukkan keunggulan ARIMA dalam menghadapi data curah hujan yang kompleks. Model ARIMA lebih baik dalam akurasi dan keandalan prediksi yang dapat menjadi alat yang lebih disukai oleh para praktisi. Sementara model FTS tetap dapat digunakan pada situasi tertentu walaupun tidak lebih baik dari model ARIMA.
Kata Kunci: Forecasting, Rainfall, Fuzzy Time Series, Model Chen, ARIMA
References
Afnisah, N., & 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: Conference Series, 1462(1), 12044.
Arisandi, A., & Hafid, H. (2024). Akurasi Model Prediksi Menggunakan Metode Automatic Clustering Fuzzy Time Series pada Indeks Harga Konsumen di Kota Makassar. Journal of Mathematics: Theory and Applications, 6(1), 97–103.
Dong, X., Dang, B., Zang, H., Li, S., & Ma, D. (2024). The prediction trend of enterprise financial risk based on machine learning arima model. Journal of Theory and Practice of Engineering Science, 4(01), 65–71.
F. Abd-Elhamid, H., M. El-Dakak, A., Zeleňáková, M., O. K, S., Mahdy, M., & H. Abd El Ghany, S. (2024). Rainfall forecasting in arid regions in response to climate change using ARIMA and remote sensing. Geomatics, Natural Hazards and Risk, 15(1), 2347414.
Fauziah, N., Wahyuningsih, S., & Nasution, Y. N. (2016). Peramalan Mengunakan Fuzzy Time Series Chen (Studi Kasus: Curah Hujan Kota Samarinda). Jurnal Statistika Universitas Muhammadiyah Semarang, 4(2).
Gujarati, D. N., & Porter, D. C. (2009). Basic econometrics. McGraw-hill.
Khikmah, K. N., Sadik, K., & Indahwati, I. (2023). Transfer Function and ARIMA Model For Forecasting BI Rate in Indonesia. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 17(3), 1359–1366.
Kincowati, T., Furqon, M. T., & Rahayudi, B. (2019). Prediksi Jumlah Kunjungan Wisatawan Mancanegara Ke Indonesia Menggunakan Metode Average-Based Fuzzy Time Series Models. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(6), 5250–5256.
Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu, 2.
Lusiani, A., & Habinuddin, E. (2011). Pemodelan Autoregressive Integrated Moving Average (ARIMA) Curah Hujan di Kota Bandung. Sigma-Mu , 3(2), 9–25. https://jurnal.polban.ac.id/ojs-3.1.2/sigmamu/article/view/874
Lütkepohl, H., & Krätzig, M. (2004). Applied time series econometrics. Cambridge university press.
Milniadi, A. D., & Adiwijaya, N. O. (2023). Analisis Perbandingan Model ARIMA Dan LSTM Dalam Peramalan Harga Penutupan Saham (Studi Kasus: 6 Kriteria Kategori Saham Menurut Peter Lynch). Sibatik Journal: Jurnal Ilmiah Bidang Sosial, Ekonomi, Budaya, Teknologi, Dan Pendidikan, 2(6), 1683–1692.
Mubarak, R., Tursina, T., & Pratama, E. E. (2020). Prediksi Hasil Tangkapan Ikan Menggunakan Fuzzy Time Series. JUSTIN (Jurnal Sistem Dan Teknologi Informasi), 8(3), 303–308.
Mukhlisin, Y., Imrona, M., & Murdiansyah, D. T. (2020). Prediksi Harga Beras Premium dengan Metode Algoritma K-Nearest Neighbor. EProceedings of Engineering, 7(1).
Njenga, J. K. (2024). Domestic Credit Growth Analysis using ARIMA Technique: A Case Study of Kenya. Journal of Economics, Management and Trade.
Perangin-angin, Y. A., Sitepu, S., & Simanullang, H. G. (2024). Implementasi Fuzzy Time Series Pada Peramalan Jumlah Pengunjung Perpustakaan. METHOTIKA: Jurnal Ilmiah Teknik Informatika, 4(1), 18–29.
Pratama, A. R. (2022). Price Prediction Using ARIMA Model of Monthly Closing Price of Bitcoin. Journal of Statistics and Data Science, 1(2), 17–24.
Pratama, A. R., Nugroho, S., & Sukiyono, K. (2020). Cryptocurrency Forecasting using α-Sutte Indicator, ARIMA, and Long Short-Term Memory. https://doi.org/10.4108/eai.2-8-2019.2290490
Saputri, R. A. F. (2019). Penerapan Metode Fuzzy Time Series Untuk Prediksi Penjualan Berbasis Web Pada Toko Grosir 3 Roda Sengkaling. JATI (Jurnal Mahasiswa Teknik Informatika), 3(1), 290–297.
Shumway, R. H., Stoffer, D. S., Shumway, R. H., & Stoffer, D. S. (2017). ARIMA models. Time Series Analysis and Its Applications: With R Examples, 75–163.
Song, Q., & Chissom, B. S. (1993). Forecasting enrollments with fuzzy time series—Part I. Fuzzy Sets and Systems, 54(1), 1–9.
Song, Q., & Chissom, B. S. (1994). Forecasting enrollments with fuzzy time series—Part II. Fuzzy Sets and Systems, 62(1), 1–8.
Wei, W. W. . (2006). Time Series Analysis: Univariate and Multivariate Methods (2nd ed.). Greg Tobin.
Yanidar, R. (2022). Klastering Pola Curah Hujan di Indonesia. Universitas Trisakti.
Yogiswara, I. G. N. A., & Sutrisna, I. K. (2021). Pengaruh Perubahan Iklim Terhadap Hasil Produksi Ikan di Kabupaten Badung. E-Jurnal EP Unud, 10(9), 3613–3643.
