ABSTRAKFuzzy time series (FTS) Lee adalah suatu metode peramalan yang digunakan ketika jumlah data historis yang tersedia sedikit, serta tidak mensyaratkan asumsi-asumsi tertentu yang harus terpenuhi. Metode ini menggunakan data historis berupa himpunan fuzzy yang berasal dari bilangan real atas himpunan semesta pada data aktual. FTS Lee adalah perkembangan dari FTS Song dan Chissom, FTS Cheng, serta FTS Chen. Pada penelitian ini dibahas penerapan FTS Lee pada data Nilai Tukar Petani Subsektor Peternakan (NTPT) di Kalimantan Timur. Tujuan penelitian ini adalah memperoleh hasil peramalan NTPT di Kalimantan Timur pada bulan Januari 2020 dengan menggunakan FTS Lee. Langkah awal dalam penelitian ini yaitu menentukan himpunan semesta pembicaraan, langkah kedua menentukan banyaknya himpunan fuzzy, langkah ketiga mendefinisikan derajat keanggotaan himpunan fuzzy terhadap  dan melakukan fuzzyfikasi pada data aktual, langkah keempat membuat fuzzy logical relationship, langkah kelima membuat fuzzy logical relationship group, langkah keenam melakukan defuzzyfikasi sehingga diperoleh hasil peramalan, serta dilanjutkan dengan menghitung nilai mean absolute percentage error. Hasil penelitian menunjukkan bahwa peramalan menggunakan FTS Lee pada bulan Januari 2020 adalah 110,25. Nilai mean absolute percentage error pada  hasil peramalan dengan menggunakan FTS Lee adalah sangat baik.  ABSTRACTLee’s Fuzzy time series (FTS) is a forecasting method that is used when the number of historical data that available was small and does not require certain assumptions to be fulfilled. This method uses historical data in the form of fuzzy sets derived from real numbers over the set of universes in the actual data. FTS Lee is a development of FTS Song and Chissom, FTS Cheng, and FTS Chen. This research discusses the application of FTS Lee to the Exchange Rate of Farmers Subsectors Farm (ERFSF) in Kalimantan Timur. The purpose of this study was to obtain the results of ERFSF forecasting in Kalimantan Timur in January 2020 using FTS Lee. The first step during research is to determine the set of speech universes, the second step is to determine the number of fuzzy sets, the third step is to define the degree of fuzzy association membership and fuzzification on the actual data, the fourth step is to create a fuzzy logical relationship, the fifth step is to create a fuzzy logical relationship group, the sixth step is to perform defuzzification in order to obtain forecasting results, and continue by calculating the mean absolute percentage error value. The results showed that forecasting using FTS Lee in January 2020 was 110,25. The mean absolute percentage error value in forecasting results using FTS Lee is very good.

ABSTRAKFuzzy time series (FTS) Lee adalah suatu metode peramalan yang digunakan ketika jumlah data historis yang tersedia sedikit, serta tidak mensyaratkan asumsi-asumsi tertentu yang harus terpenuhi. Metode ini menggunakan data historis berupa himpunan fuzzy yang berasal dari bilangan real atas himpunan semesta pada data aktual. FTS Lee adalah perkembangan dari FTS Song dan Chissom, FTS Cheng, serta FTS Chen. Pada penelitian ini dibahas penerapan FTS Lee pada data Nilai Tukar Petani Subsektor Peternakan (NTPT) di Kalimantan Timur. Tujuan penelitian ini adalah memperoleh hasil peramalan NTPT di Kalimantan Timur pada bulan Januari 2020 dengan menggunakan FTS Lee. Langkah awal dalam penelitian ini yaitu menentukan himpunan semesta pembicaraan, langkah kedua menentukan banyaknya himpunan fuzzy, langkah ketiga mendefinisikan derajat keanggotaan himpunan fuzzy terhadap  dan melakukan fuzzyfikasi pada data aktual, langkah keempat membuat fuzzy logical relationship, langkah kelima membuat fuzzy logical relationship group, langkah keenam melakukan defuzzyfikasi sehingga diperoleh hasil peramalan, serta dilanjutkan dengan menghitung nilai mean absolute percentage error. Hasil penelitian menunjukkan bahwa peramalan menggunakan FTS Lee pada bulan Januari 2020 adalah 110,25. Nilai mean absolute percentage error pada  hasil peramalan dengan menggunakan FTS Lee adalah sangat baik. ABSTRACTLee’s Fuzzy time series (FTS) is a forecasting method that is used when the number of historical data that available was small and does not require certain assumptions to be fulfilled. This method uses historical data in the form of fuzzy sets derived from real numbers over the set of universes in the actual data. FTS Lee is a development of FTS Song and Chissom, FTS Cheng, and FTS Chen. This research discusses the application of FTS Lee to the Exchange Rate of Farmers Subsectors Farm (ERFSF) in Kalimantan Timur. The purpose of this study was to obtain the results of ERFSF forecasting in Kalimantan Timur in January 2020 using FTS Lee. The first step during research is to determine the set of speech universes, the second step is to determine the number of fuzzy sets, the third step is to define the degree of fuzzy association membership and fuzzification on the actual data, the fourth step is to create a fuzzy logical relationship, the fifth step is to create a fuzzy logical relationship group, the sixth step is to perform defuzzification in order to obtain forecasting results, and continue by calculating the mean absolute percentage error value. The results showed that forecasting using FTS Lee in January 2020 was 110,25. The mean absolute percentage error value in forecasting results using FTS Lee is very good.

Exponential smoothing is one of the short term forecasting methods. The selection of the forecasting method can be done by considering the type of data pattern, such as the Double Exponential Smoothing (DES) Holt method which can be used on trend patterned data and the Triple Exponential Smoothing (TES) Holt-Winter method which can be used on trend and seasonal patterned data. The main problem in using the Holt DES and Holt-Winter TES methods is the parameter selection which is usually done by trial and error, but this method takes a long time so that in this research a more efficient method is used to obtain optimal parameters, namely the golden section method. The purpose of this research was to forecast and obtain the best method for forecasting the export value of East Borneo Province. The results showed that the forecasted of export values used the Holt DES, the additive Holt-Winter TES, and the multiplicative Holt-Winter TES with golden section optimization method had a MAPE of less than 10%, which means that the forecast used these methods were very good. The best method to predict the export value of East Borneo Province was the additive Holt-Winter TES with golden section optimization method.

Peramalan merupakan salah satu bidang penelitian yang aktif yang artinya sampai saat ini masih terus dilakukan penelitian mengenai proses peramalan runtun waktu terkait dengan proses pengambilan keputusan. Metode peramalan berkembang menjadi semakin cepat mengikuti perkembangan zaman dan teknologi komputasi. Terdapat hal yang menarik dari perkembangan tersebut ialah perbaikan metode peramalan runtun waktu bersifat hybrid, dengan menggabungkan dua jenis metode atau lebih yang berbeda, diharapkan dapat menjadi cara yang efektif dalam meningkatkan akurasi peramalan dibandingkan hanya dengan menerapkan satu metode saja. Salah satu metode hybrid yang dapat digunakan adalah Autoregressive Integrated Moving Average (ARIMA) dan Neural Network (NN). Tujuan dari penelitian ini adalah untuk memperoleh perbandingan kinerja peramalan harga minyak mentah Indonesia jenis Sepinggan Yakin Mix antara model ARIMA dan model hybrid ARIMA-NN tahun 2022. Berdasarkan hasil peramalan menggunakan model ARIMA, tingkat akurasi yang diperoleh dari peramalan data harga minyak mentah Indonesia jenis Sepinggan Yakin Mix yaitu ARIMA(0,1,1) sebesar 7,9661% dan model ARIMA(2,1,0) sebesar 7,7816% dan tingkat akurasi yang diperoleh menggunakan model  hybrid ARIMA(0,1,1)-NN 1 neuron sebesar 7,0910%, 2 neuron sebesar 7,0696%, 3 neuron sebesar 7,0661% dan menggunakan model  hybrid ARIMA(2,1,0)-NN 1 neuron sebesar 6,8972%, 2 neuron sebesar 6,8767%, 3 neuron sebesar 6,8692%. Kedua model menghasilkan kinerja peramalan yang sangat akurat untuk data tersebut karena nilai MAPE kedua model 10%. Namun nilai MAPE dari 6 model hybrid ARIMA-NN  cenderung lebih kecil dibandingkan nilai MAPE dari model ARIMA. Dengan demikian model hybrid ARIMA-NN dapat digunakan sebagai alternatif pemodelan harga minyak mentah Indonesia jenis Sepinggan Yakin Mix yang bisa dimanfaatkan sebagai pertimbangan pengambilan keputusan atau kebijakan dalam bidang energi dan sumber daya mineral khususnya industri minyak mentah Indonesia

The objective of this research is to determine the best time series model for forecasting the number of hotspots in East Kalimantan. Seasonal time series model is applied to the data. The results of this research is the best model for the number of hotspots in East Kalimantan is SARIMA (0,1,1)(0,1,1)12.