Pemodelan Jumlah Penumpang Kereta Api di Sumatera Menggunakan First-order dan Higher-order Markov Chain
Teks penuh
Gambar
Dokumen terkait
Hasil penelitian yang diperoleh, model yang dikembangkan yaitu automatic clustering-fuzzy time series-Markov chain menghasilkan tingkat akurasi peramalan yang lebih
Kriteria kebaikan model yaitu MAPE dan RMSE yang diterapkan pada data out-sample menunjukkan bahwa MAPE dan RMSE model ANFIS febih kecil yaitu sebesar 3.81%
Kriteria kebaikan model yaitu MAPE dan RMSE yang diterapkan pada data out-sample menunjukkan bahwa MAPE dan RMSE model ANFIS febih kecil yaitu sebesar 3.81%
Untuk memudahkan proses analisis keakuratan prediksi nilai IHSG menggunakan metode Fuzzy Time Series Markov Chain Model sesuai dengan yang diuraikan sebelumnya,
Model ARIMA yang layak untuk digunakan pada data jumlah penumpang kereta api Yogyakarta adalah model ARIMA 1 , 0 , 1 0 , 0 , 1 12 Model tersebut dikatakan layak untuk
Kriteria kebaikan model yaitu MAPE dan RMSE yang diterapkan pada data out-sample menunjukkan bahwa MAPE dan RMSE model ANFIS febih kecil yaitu sebesar 3.81%
Hasil penelitian yang diperoleh, model yang dikembangkan yaitu automatic clustering-fuzzy time series-Markov chain menghasilkan tingkat akurasi peramalan yang lebih akurat dibandingkan
Prediksi dalam penelitian ini dilakukan dengan membuat suatu model tutupan lahan yang bersifat dinamik, yaitu dengan pendekatan Cellular Automata CA dan Markov Chain MC, Penelitian ini
