GDL

Comparison of Conventional and Fuzzy Linear Regression in Population Forecasting

Research Report from JBPTPPOLBAN / 2022-04-21 14:57:17
Oleh : Endang Habinuddin - 196308211989031002 (endang.h@polban.ac.id)
Dibuat : 2022-04-21, dengan 1 file

Keyword : Peramalan , Regresi Linear Berganda, Konvensional, Fuzzy

Penelitian ini bertujuan untuk membandingkan suatu peramalan dengan menggunakan metode regresi linear berganda untuk data biasa (tegas) dan data samar (fuzzy). Data yang digunakan adalah data penduduk dimana jumlah penduduk akhir sebagai variabel terikat (y ) dengan faktor yang mempengaruhinya atau variabel x1 , x2 , x3 , x4 yaitu jumlah kelahiran, kematian, kedatangan, dan pindah penduduk. Penyelesaian regresi linier berganda diselesaikan dengan menggunakan metode kuadrat terkecil (Least Squares Method) baik untuk data biasa maupun data fuzzy. Data fuzzy untuk variabel y dan x dikelompokan ke dalam tiga kriteria , yaitu sedikit, sedang, dan banyak. Dengan menggunakan data penduduk Kabupaten Bandung Barat (KBB) diperoleh bahwa persamaan regresi linear berganda konvensional denga data biasa lebih baik dari regresi linear berganda dengan data fuzzy. Hal ini ditunjukkan oleh harga kecukupan/determinasi (R-square) model, korelasi variabel (R), dan grafik normal residual. Diperoleh R = 0,787, R-sq = 0,62 (62 %) dan R-sq adj = 0,48 (48 %) yang lebih besar dibandingkan dengan regresi linear berganda fuzzy dengan R = 0,725, R-sq = 0,526 (52,6 %) dan R-sq adj = 0,354 (35,%). Disamping itu dilihat dari grafik residual kenormalannya lebih mendekati normal dibandingkan dengan regresi data fuzzy. Kata Kunci: Peramalan , Regresi Linear Berganda, Konvensional, Fuzzy.

Deskripsi Alternatif :

This research aims to compare a forecast using multiple linear regression method for ordinary data and fuzzy data. The data used is population data where the final population as a variable is determined (y) with factors that influence it or variables x1, x2, x3, x4 namely the number of births, deaths, arrivals, and migration. Multiple linear regression is solved by using the least squares method (Least Squares Method) for both ordinary data and fuzzy data. Fuzzy data for variables y and x are grouped into three criteria, namely few, medium, and many. Keywords: Forecasting, Multiple Linear Regression, Conventional, Fuzzy.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	JBPTPPOLBAN
Organisasi
Nama Kontak	Erlin Arvelina
Alamat	Jl. Trsn. Gegerkalong Hilir Ds. Ciwaruga
Kota	Bandung
Daerah	Jawa Barat
Negara	Indonesia
Telepon	022 201 3789 ext. 168, 169, 239
Fax	022 201 3889
E-mail Administrator	erlin.arvelina@polban.ac.id
E-mail CKO	erlin.arvelina@polban.ac.id