Implementasi Particle Swarm Optimization pada Fuzzy Time Series Lee untuk Prediksi Nilai Tukar Petani NTT

Abstract

Nilai Tukar Petani (NTP) merupakan indikator penting untuk mengukur kesejahteraan petani di Indonesia. Data NTP, khususnya di Provinsi Nusa Tenggara Timur (NTT), menunjukkan fluktuasi yang cukup tinggi sehingga diperlukan metode peramalan yang mampu menangani pola data nonlinier dan ketidakpastian. Penelitian ini menerapkan metode Fuzzy Time Series (FTS) Lee yang dioptimasi menggunakan Particle Swarm Optimization (PSO) untuk meningkatkan akurasi peramalan NTP. PSO digunakan untuk menentukan interval fuzzy optimal sehingga proses fuzzifikasi pada FTS Lee menjadi lebih representatif terhadap variasi data. Data yang digunakan merupakan data bulanan NTP Provinsi NTT periode Januari 2021–Desember 2024 yang diperoleh dari Badan Pusat Statistik. Hasil penelitian menunjukkan bahwa model PSO-FTS Lee memberikan tingkat akurasi yang lebih baik dibandingkan FTS Lee tanpa optimasi, dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,44\%, lebih rendah dibandingkan 0,46\% pada model standar. Temuan ini membuktikan bahwa integrasi PSO dengan FTS Lee efektif dalam meningkatkan kinerja model peramalan untuk data deret waktu yang bersifat fluktuatif dan nonlinier.