Analisis Tingkat Akurasi Fsm Dalam Peramalan IPM Indonesia Menggunakan GUI Matlab

Abstract

Abstrak: Penelitian ini bertujuan untuk menentukan metode terbaik dalam sistem peramalan (forecast) dengan membuat model matematika dari data time series berupa Indeks Pembangunan Manusia (IPM) Indonesia tahun 2010-2017. Adapun metode yang diuji adalah Moving Average (SMA, WMA dan EMA), Exponential Smoothing Method (SES dan DES), Naive Method, dan Artificial Neural Network (Back Propagation). Kemudian untuk melihat tingkat akurasi berdasarkan MAD, MSE, dan MAPE masing-masing metode. Penentuan metode terbaik dalam sistem peramalan ini sangat membantu dalam proses peramalan data di lapangan yang berimplikasi pada sistem keputusan pemerintah dalam mengambil kebijakan atau keputusan khususnya di sektor kependudukan, pendidikan, dan perekonomian rakyat. Hasil simulasi metode yang paling baik untuk prediksi adalah Metode Exponential Smooting Holt dengan hasil prediksi tahun 2018 sebesar 71,42 dengan MAD, MSE, dan MAPE paling kecil yakni sebesar 0,037; 0,001; dan 0,053. Abstract: This study aims to determine the best method in the forecasting system by creating a mathematical model of time series data in the form of Indonesia's Human Development Index (HDI) in 2010-2017. The methods tested are Moving Average (SMA, WMA and EMA), Exponential Smoothing Method (SES and DES), Naive Method, and Artificial Neural Network (Back Propagation). Then to see the level of accuracy based on MAD, MSE, and MAPE of each method. Determination of the best method in the forecasting system is very helpful in the process of forecasting data in the field which has implications for the government's decision system in making policies or decisions especially in the population, education, and people's economies. The best simulation method for predictions is the Exponential Smooting Holt Method with the predicted results of 2018 of 71.42 with the smallest MAD, MSE, and MAPE of 0.037; 0.001; and 0.053.