IMPLEMENTASI MODEL FUZZY-WAVELET DAN FIS METODE MAMDANI DALAM PREDIKSI NILAI TUKAR EUR/IDR

Abstract

Penelitian ini bertujuan untuk mengetahui hasil model fuzzy-wavelet dalam memprediksi nilai tukar EUR/IDR dan tingkat akurasi model tersebut. Dengan mengambil data time series mingguan nilai tukar EUR/IDR 128 minggu terakhir, Model fuzzy-wavelet merupakan penggabungan dari wavelet dan fuzzy. Pemodelan fuzzy-wavelet diawali dengan transformasi wavelet menggunakan (Maximal Overlap Discrete Wavelet Transform) MODWT mother haar sebagai pre-prosesing dan hasil MODWT digunakan sebagai input dalam sistem inferensi fuzzy. Pemilihan input ditentukan berdasarkan plot (Autocorrelation Function) ACF dan aturan fuzzy ditentukan dengan metode table look-up scheme. Sistem inferensi fuzzy yang digunakan Mamdani dengan fungsi implikasi min dan komposisi antar aturan max. Selanjutnya himpunan fuzzy yang diperoleh dari proses inferensi diolah kembali menggunakan defuzzifikasi centroid untuk dijadikan bilangan tegas sebagai hasil dari prediksi nilai tukar EUR/IDR. Dengan semesta pembicaraan variabel input dan output yang sama, dibentuk 2 Model yaitu Model 1 menggunakan 9 himpunan fuzzy dan Model 2 menggunakan 5 himpunan fuzzy. Nilai MAPE dihitung untuk mengetahui keakuratan pada tiap model dan menentukan model terbaik. Hasil dari penelitian menunjukkan bahwa Model 1 menghasilkan nilai MAPE sebesar 0,85% dan 9 himpunan fuzzy dengan 12 variabel input. Model 1 merupakan model yang paling tepat untuk prediksi nilai tukar EUR/IDR dengan 128 data skala mingguan. This study aims to determine the results of the fuzzy-wavelet model in predicting the EUR / IDR exchange rate and the accuracy of the model. By taking the last week's EUR / IDR 128 week exchange rate data series, the fuzzy-wavelet model is a combination of wavelets and fuzzy. Fuzzy-wavelet modeling begins with a wavelet transformation using the mother haar (Maximal Overlap Discrete Wavelet Transform) MODWT as a pre-processing and the MODWT results are used as inputs in the fuzzy inference system. The selection of inputs is determined based on the plot (Autocorrelation Function) ACF and fuzzy rules are determined by the table look-up scheme method. The fuzzy inference system used by Mamdani with the min implication function and composition between rules max. Furthermore, the fuzzy set obtained from the inference process is reprocessed using the defuzzification of the centroid to become a firm number as a result of the predicted EUR / IDR exchange rate. With the same universe of input and output variables, 2 models are formed, namely Model 1 uses 9 fuzzy sets and Model 2 uses 5 fuzzy sets. The MAPE value is calculated to determine the accuracy of each model and determine the best model. The results of the study show that Model 1 produces MAPE values ​​of 0.85% and 9 fuzzy sets with 12 input variables. Model 1 is the most appropriate model for the prediction of the EUR / IDR exchange rate with 128 weekly scale data.