Analisis perbandingan metode fuzzy time series cheng dan saxena-easo pada peramalan indeks harga konsumen di Kota Semarang

Dwi Afitasari, Winang (2024) Analisis perbandingan metode fuzzy time series cheng dan saxena-easo pada peramalan indeks harga konsumen di Kota Semarang. Undergraduate (S1) thesis, Universitas Islam Negeri Walisongo Semarang.

[thumbnail of SKRIPSI_WINANG DWI AFITASARI_1708046017] Text (SKRIPSI_WINANG DWI AFITASARI_1708046017)
skripsi_1708046017_Winang Dwi Afitasari_lengkap.pdf - Accepted Version
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (1MB)

Abstract

Indeks Harga Konsumen (IHK) di Kota Semarang menjadi perhatian utama dalam konteks ekonomi regional, terutama mengingat posisinya sebagai salah satu pusat ekonomi di Jawa Tengah. Penelitian ini bertujuan untuk mengetahui perbandingan tingkat keakuratan metode FTS Cheng dan Saxena-Easo pada peramalan IHK di Kota Semarang. Metode yang digunakan adalah metode studi literatur. Data diperoleh dari website Badan Pusat Statistik Kota Semarang. Hasil peramalan dengan metode FTS Cheng bulan Juni 2024 diperoleh sebesar 116,12%. Hasil peramalan dengan metode FTS Saxena Easo bulan Juni 2024 diperoleh sebesar 105,78%. Nilai MAPE untuk metode Fuzzy Time Series Cheng yaitu 1,13%, sedangkan nilai MAPE untuk metode Fuzzy Time Series Saxena Easo yaitu 0.9417%, Dari hasil tersebut dapat disimpulkan bahwa tingkat akurasi FTS Saxena Easo lebih baik dibandingkan FTS Cheng karena memiliki nilai MAPE yang lebih kecil.

Item Type: Thesis (Undergraduate (S1))
Uncontrolled Keywords: Indeks harga konsumen; FTS cheng; FTS saxena easo
Subjects: 500 Natural sciences and mathematics > 510 Mathematics > 519 Probabilities and applied mathematics
Divisions: Fakultas Sains dan Teknologi > 44201 - Matematika
Depositing User: Wati Rimayanti
Date Deposited: 30 Oct 2025 01:46
Last Modified: 30 Oct 2025 01:46
URI: https://eprints.walisongo.ac.id/id/eprint/27305

Actions (login required)

View Item
View Item

Downloads

Downloads per month over past year

View more statistics