Mengukur Performa Model TSK Fuzzy Logic Menggunakan Faktor Eksternal untuk Peramalan Laju Inflasi

Nadia Roosmalita Sari, Wayan Firdaus Mahmudy, Aji Prasetya Wibawa

Abstract


Pertumbuhan ekonomi merupakan salah satu tolak ukur menilai perkembangan ekonomi negara. Inflasi merupakan kecenderungan naiknya harga barang secara umum dan terjadi terus-menerus. Sehingga inflasi dapat dijadikan sebagai tolak ukur untuk menilai perkembangan suatu negara. Inflasi merupakan salah satu permasalahan yang sering menjadi topik pembahasan di kalangan pakar ekonomi. Inflasi dapat dipengaruhi oleh berbagai faktor, misalnya pola konsumtif masyarakat yang tinggi. Perekonomian Indonesia akan menurun jika inflasi tidak dikendalikan dengan baik. Untuk mengendalikan laju inflasi dibutuhkan sebuah peramalan terhadap laju inflasi di Indonesia. Hasil peramalan digunakan sebagai informasi bagi pemerintah untuk menyiapkan kebijakan agar laju inflasi tetap dalam keadaan stabil. Penelitian ini mengusulkan Takaghi Sugeno Kang (TSK) fuzzy logic untuk peramalan laju inflasi. Penelitian ini bertujuan untuk mengukur performa sistem dengan menggunakan faktor-faktor yang mempengaruhi laju inflasi. Data yang digunakan pada penelitian ini adalah data historis dan faktor eksternal sebagai parameter. Untuk mengevaluasi hasil peramalan digunakan teknik analisis Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa penggunaan parameter time series dan faktor eksternal CPI memiliki performa sistem yang lebih baik dibandingkan faktor-faktor lain dengan RMSE sebesar 1.328.

Keywords


Artificial Intelligent

Full Text:

PDF

References


S. Sukirno, Pengantar Teori Makro Ekonomi (Introduction to the Theory of Macro Economy). Jakarta: PT Raja Grafindo Persada, 2008.

N. R. Sari, W. F. Mahmudy, and A. P. Wibawa, “Backpropagation on Neural Network Method For Inflation Rate Forecasting in Indonesia,” Int. J. Soft Comput. Its Appl., 2016.

E. R. Wulan and S. Nurfaiza, “Analysis of Factors Affecting Inflation in Indonesia: an Islamic Perspective,” Int. J. Nusant. Islam, vol. 2, no. 2, pp. 67–80, 2015.

S. Kooths, T. Mitze, and E. Ringhut, “Inflation forecasting-a comparison between econometric methods and a computational approach based on genetic-neural fuzzy rule-bases,” in Computational Intelligence for Financial Engineering, 2003. Proceedings. 2003 IEEE International Conference on, 2003, pp. 183–190.

L. Zhang and J. Li, “Inflation Forecasting Using Support Vector Regression,” 2012, pp. 136–140.

J. Arlt and M. Arltova, “Forecasting of the Annual Inflation Rate in the Unstable Economic Conditions,” 2015, pp. 231–234.

Y. Tang and J. Zhou, “The performance of PSO-SVM in inflation forecasting,” in Service Systems and Service Management (ICSSSM), 2015 12th International Conference on, 2015, pp. 1–4.

A. Fitriah and A. M. Abadi, “Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia,” in Prosiding Seminar Nasional Matematika dan Pendidikan Matematika Yogyakarta, 2011, vol. 3.

G. Moser, F. Rumler, and J. Scharler, “Forecasting Austrian inflation,” Elsevier, vol. 24, no. 3, pp. 470–480, 2007.

I.-C. Baciu, “Stochastic Models for Forecasting Inflation Rate. Empirical Evidence from Romania,” Procedia Econ. Finance, vol. 20, pp. 44–52, 2015.

A. P. Wibawa and R. Soelaiman, “Analisis Efektifitas Metode Hibrida Neural Networks Dan Fuzzy Logic Untuk Peramalan Valuta Asing,” in Prosiding Seminar Nasional Manajemen Teknologi VI, 2007.

X. Xie, L. Lin, and S. Zhong, “Process Takagi–Sugeno model: A novel approach for handling continuous input and output functions and its application to time series prediction,” Knowl.-Based Syst., vol. 63, pp. 46–58, Jun. 2014.

H. Santosa, “Aplikasi Penentuan Tarif Listrik Menggunakan Metode Fuzzy Sugeno,” J. Sist. Inf. BISNIS, vol. 4, no. 1, pp. 28–39, 2014.

E. S. Puspita and L. Yulianti, “Perancangan Sistem Peramalan Cuaca Berbasis Logika Fuzzy,” Media Infotama, vol. 12, no. 1, 2016.

“Data - The Central Bank of Indonesia.” [Online]. Available: http://www.bi.go.id/en/moneter/inflasi/data/Default.aspx. [Accessed: 22-Oct-2015].

“Uang Beredar - Portal Data Indonesia - data.go.id.” [Online]. Available: http://data.go.id/dataset/uang-beredar. [Accessed: 11-Sep-2016].

R. Maggi and 3URJUBirgitta Dian Saraswati, “faktor-faktor yang Mempengaruhi Inflasi di Indonesia: Model Demand Pull Inflation,” Jurnal Ekonomi Kuantitatif Terapan, vol. 6, no. 2, pp. 71–77, 2013.

C. Abdelmoula, H. Rouabeh, and M. Masmoudi, “Behavior Control of a New Designed Mobile Robot Based on Fuzzy Logic and Neuro Fuzzy Approaches for Monitoring Wall,” Int. J. Intell. Eng. Syst., vol. 6, no. 3, pp. 17–26, 2013.

N. R. Sari and W. F. Mahmudy, “Tsukamoto Fuzzy Inference System to Determine The Feasibility of Prospective Employees,” SESINDO 2015, 2015.

G. Balaji, R. Balamurugan, and L. Lakshminarasimman, “Fuzzy Clustered Multi Objective Differential Evolution for Thermal Generator Maintenance Scheduling,” Int. J. Intell. Eng. Syst., vol. 9, no. 1, pp. 1–13, Mar. 2016.

F. F. N. Azizi, “Mengukur Performa Enterprise Architecture Framework Menggunakan Fuzzy Tsukamoto,” MATICS, vol. 8, no. 2, p. 54, Sep. 2016.

W. F. Mahmudy, “Solving Flexible Job-Shop Scheduling Problem Using Improved Real Coded Genetic Algorithms.”




DOI: http://dx.doi.org/10.18860/mat.v9i1.3932

Refbacks

  • There are currently no refbacks.




Copyright (c) 2017 Nadia Roosmalita Sari, Wayan Firdaus Mahmudy, Aji Prasetya Wibawa

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

_______________________________________________________________________________________________________________

Editorial Office:
Jurusan Teknik Informatika
Fakultas Sains dan Teknologi
Universitas Islam Negeri Maulana Malik Ibrahim Malang
Jalan Gajayana 50 Malang, Jawa Timur, Indonesia 65144
Email: matics@uin-malang.ac.id
_______________________________________________________________________________________________________________

Creative Commons License
This work is licensed under a CC-BY-NC-SA.
© All rights reserved 2015. MATICS , ISSN : 1978-161X | e-ISSN :  2477-2550