Metode Fuzzy Time Series Model Chen untuk Peramalan Harga Cabai Rawit Merah di Kabupaten Banyumas
Abstract
Cabai rawit merupakan komoditas sayuran yang banyak diminati oleh masyarakat Indonesia. Cabai rawit sering dijadikan bahan dasar dalam pembuatan berbagai jenis varian sambal, terutama pada industri rumah makan. Banyaknya rumah makan di Kabupaten Banyumas dapat menyebabkan terjadinya lonjakan harga cabai rawit. Kenaikan harga cabai yang fluktuatif mendorong pengusaha rumah makan untuk menyusun strategi penjualan. Oleh karena itu, tujuan dari penelitian ini untuk meramalkan harga cabai rawit merah di Kabupaten Banyumas bulan September 2022 hingga Juni 2023 dengan menggunakan metode fuzzy time series (FTS) model Chen dengan menggunakan data harga cabai rawit bulan September 2018 sampai Mei 2022. Hasil penelitian menyatakan peramalan harga cabai rawit merah di Kabupaten Banyumas dengan FTS model Chen belum baik. Hal ini ditunjukkan pada hasil perhitungan manual dan RStudio memberikan nilai rata-rata kesalahan ramalan yang sama yaitu sebesar 28,20%.
References
[2] Badan Pusat Statistik Provinsi Jawa Tengah. (2023). Statistik Harga Konsumen Perdesaan Provinsi Jawa Tengah 2022. Diakses pada 23 September 2024, dari https://jateng.bps.go.id/id/publication/2023/12/19/e301380e4991c9fd0c34c364/statistik-harga-konsumen-perdesaan--provinsi-jawa-tengah-2022.html
[3] Monika, D., Wahyudi, M., Saputra, W., Lubis, M. R, dan Solikhun. (2020). Penerapan Jaringan Syaraf Tiruan Dalam Memprediksi Ketersediaan Tanaman Cabai Berdasarkan Provinsi di Indonesia. Prosiding Seminar Nasional Teknologi Komputer & Sains, 197-201.
[4] Badan Pusat Statistik. (2019). Statistik Perkembangan Indeks Harga Konsumen/Inflasi. 59, 1-1
[5] Kusumadewi, S. dan Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu. Edisi 2.
[6] Chen, M. S. (1996). Forecasting Enrollments Based on Fuzzy Time Series. Fuzzy Sets and Systems, 81 (3), 311-319.
[7] Poulsen, J. R. 2009. Fuzzy Time Series Forecasting: Developing A New Forecasting Model Based on High Order Fuzzy Time Series. Makalah pada Aalborg University Esbjerg (AAUE).
[8] Goh, C. dan Law, R. (2002)., Modeling and Forecasting Tourism Demand for Arrivals with Stochastic Nonstationary Seasonality and Intervention. Tourism Management, 23:499-51.

