Perbandingan Model Chen Dan Model Lee Pada Metode Fuzzy Time Series Untuk Prediksi Jumlah Ikan

Abstract

Ikan merupakan salah satu sumber protein hewan yang banyak dikonsumsi masyarakat karena relatif mudah diperoleh dan harganya terjangkau. Jumlah ikan cendrung naik membutuhkan sistem yang dapat membantu untuk mengetahui prediksi jumlah ikan diwaktu yang akan datang. Sistem prediksi menggunakan fuzzy time series berguna untuk menangkap pola data telah lalu kemudian digunakan untuk menghasilkan informasi diwaktu yang akan datang. Dalam fuzzy time series terdapat berbagai model diantaranya model Chen dan Lee, untuk menggetahui model mana yang menghasilkan tingkat keakuratan yang tepat dengan menghitung tingkat error menggunakan AFER dan MSE.  Dari hasil pengujian yang dilakukan dengan menggunakan data tahun 2012 dari tanggal 03 Januari-16 Maret 2012, diketahui bahwa prediksi data menggunakan fuzzy time series dengan penetuan interval berbasis rata-rata memiliki errer menggunakan model chen AFER 0,61% dan MSE 226,42 model lee rata-rata AFER 0,61% dan MSE 223,29 dan dapat dibuktikan metode fuzzy time series menggunakan model lee lebih menghasilkan tingkat error lebih rendah dibanding model chen.