PENERAPAN FUZZY INFERENCE SYSTEM METODE TSUKAMOTO UNTUK PENGUKURAN TINGKAT INFLASI SUATU NEGARA
DOI:
https://doi.org/10.70248/jcsit.v2i3.2311Keywords:
Fuzzy Inference System, Tsukamoto, Inflasi, suku bunga, GDP, nilai tukarAbstract
Penelitian ini bertujuan untuk mengembangkan sistem pengukuran tingkat inflasi suatu negara menggunakan pendekatan Fuzzy Inference System (FIS) metode Tsukamoto. Pendekatan ini dipilih karena kemampuannya dalam menangani ketidakpastian dan ketidaklinieran data ekonomi makro. Sistem dirancang berdasarkan tiga parameter utama: nilai tukar mata uang, Produk Domestik Bruto (GDP), dan suku bunga, dengan data diperoleh dari World DataBank tahun 2022. Fungsi keanggotaan berbentuk segitiga dan bahu digunakan untuk merepresentasikan input linguistik, dan aturan fuzzy berbasis IF-THEN dikembangkan untuk proses inferensi. Implementasi dilakukan menggunakan bahasa pemrograman Python. Hasil pengujian menunjukkan bahwa mayoritas negara (90,41%) berada dalam kategori inflasi "Sedang", sementara sebagian kecil dikategorikan "Rendah" dan "Tinggi". Sistem ini terbukti fleksibel dalam menghadapi variasi data ekonomi, namun masih memiliki keterbatasan dalam menangani data yang tidak lengkap. Penelitian ini menyimpulkan bahwa metode Tsukamoto efektif untuk klasifikasi inflasi negara dan berpotensi dikembangkan lebih lanjut melalui integrasi dengan metode hibrida guna meningkatkan akurasi dan ketepatan hasil.
References
C. Musliha, “Pengaruh Nilai Tukar Dan Tingkat Suku Bunga Terhadap Inflasi Di Indonesia Periode 2000 – 2022,” Jurnal Ekuilnomi, vol. 5, no. 2, pp. 322–331, Nov. 2023, doi: 10.36985/ekuilnomi.v5i2.787.
R. A. Maulana, S. N. Sarfiah, and P. K. Prasetyanto, “PENGARUH EKSPOR, SUKU BUNGA DAN NILAI TUKAR TERHADAP INFLASI DI INDONESIA,” DINAMIC: Directory Journal of Economic, vol. 2, no. 3, pp. 675–684.
M. A. Abadi and A. Muhson, “PEMODELAN TINGKAT INFLASI DI INDONESIA DENGAN MENGGUNAKAN SISTEM FUZZY,” pp. 113–121.
M. A. Abadi and A. Muhson, “PEMODELAN TINGKAT INFLASI DI INDONESIA DENGAN MENGGUNAKAN SISTEM FUZZY,” pp. 113–121.
D. A. Rezaldi and Sugiman, “PRISMA, Prosiding Seminar Nasional Matematika Peramalan Metode ARIMA Data Saham PT. Telekomunikasi Indonesia,” Peramalan Metode ARIMA Data Saham PT. Telekomunikasi Indonesia. PRISMA, Prosiding Seminar Nasional Matematika, vol. 4, pp. 611–620, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
N. R. Sari, W. F. Mahmudy, and A. P. Wibawa, “Mengukur Performa Model TSK Fuzzy Logic Menggunakan Faktor Eksternal untuk Peramalan Laju Inflasi,” MATICS, vol. 9, no. 1, p. 27, Mar. 2017, doi: 10.18860/mat.v9i1.3932.
A. Akhirson and B. Heruseto, “PENDEKATAN ADAPTIVE NEURO FUZZY SEBAGAI ALTERNATIF BAGI BANK INDONESIA DALAM MENENTUKAN TINGKAT INFLASI DI INDONESIA,” vol. 19, no. 2, pp. 309–321, Aug. 2016.
E. P. Madani, M. T. Furqon, and N. Hidayat, “Peramalan Indeks Harga Konsumen Indonesia menggunakan Metode Jaringan Saraf Tiruan Backpropagation,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 4, no. 9, pp. 2801–2809, Sep. 2020, [Online]. Available: http://j-ptiik.ub.ac.id
R. Perangin-Angin, I. K. Jaya, and B. Rumahorbo, “Kombinasi Time Series Dengan Fuzzy Inferency System Untuk Model Prediksi Inflasi Dengan Akurasi Tinggi,” JURNAL TIMES, vol. 2, pp. 25–33, Dec. 2020, [Online]. Available: http://sumut.bps.go.id.
N. R. Sari, W. F. Mahmudy, A. P. Wibawa, and E. Sonalitha, “Enabling external factors for inflation rate forecasting using fuzzy neural system,” International Journal of Electrical and Computer Engineering, vol. 7, no. 5, pp. 2746–2756, Oct. 2017, doi: 10.11591/ijece.v7i5.pp2746-2756.
Adriyendi, “Fuzzy logic using Tsukamoto model and Sugeno model on prediction cost,” International Journal of Intelligent Systems and Applications, vol. 10, no. 6, pp. 13–21, Jun. 2018, doi: 10.5815/ijisa.2018.06.02.
C. A. Stephani, A. Suharsono, and Suhartono, “Peramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS,” JURNAL SAINS DAN SENI ITS, vol. 1, no. 1, pp. 67–72, 2015.
H. Kartini, Y. Ramdani, and Y. Permanasari, “Prediksi Harga Bahan Pangan dengan Metode Fuzzy Time Series Chen dan Markov Chain,” Bandung Conference Series: Mathematics, vol. 2, no. 2, pp. 113–122, Aug. 2022, doi: 10.29313/bcsm.v2i2.4764.
J. Hendra Prasetyo, A. W. Widodo, and B. Rahayudi, “Implementasi Gabungan Metode Multi-Factors High Order Fuzzy Time Series dengan Fuzzy C-Means untuk Peramalan Tingkat Inflasi di Indonesia,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 7, pp. 2569–2577, Jul. 2018, [Online]. Available: http://j-ptiik.ub.ac.id
A. N. Paradhita, “Prediksi Inflasi di Indonesia Menggunakan Algoritma Fuzzy dengan Bahasa Pemrograman Phyton,” Jurnal Penelitian Inovatif, vol. 4, no. 2, pp. 457–464, Apr. 2024, doi: 10.54082/jupin.339.
N. Fitriyati and M. Yunita Wijaya, “Forecasting Indonesian inflation using a hybrid ARIMA-ANFIS,” Desimal: Jurnal Matematika, vol. 5, pp. 289–304, 2022, doi: 10.24042/djm.
A. Rutkowska and M. Szyszko, “Inflation expectations quantification with fuzzy control system,” Soft comput, vol. 25, no. 12, pp. 7803–7812, Jun. 2021, doi: 10.1007/s00500-021-05616-5.
R. Perangin-Angin, I. K. Jaya, and B. Rumahorbo, “Kombinasi Time Series Dengan Fuzzy Inferency System Untuk Model Prediksi Inflasi Dengan Akurasi Tinggi,” JURNAL TIMES, vol. 2, pp. 25–33, Dec. 2020, [Online]. Available: http://sumut.bps.go.id.
U. Athiyah, A. P. Handayani, M. Y. Aldean, N. P. Putra, and R. Ramadhani, “Sistem Inferensi Fuzzy : Pengertian, Penerapan, dan Manfaatnya,” JOURNAL OF DINDA Kelompok Keahlian Rekayasa Data Institut Teknologi Telkom Purwokerto, vol. 1, no. 2, pp. 78–86, 2021, doi: 10.31940/matrix.v10i2.1841.
J. R. Andrianady, N. R. Rajaonarison, A. R. Josué, and R. Njakanasandratra, “Monetary Inflation Relationship in Madagscar: a DSGE Model Analysis,” Munic Personal RePEc Archive, pp. 1–8, May 2023.
