ABSTRAK
GM(1, 1) adalah model peramalan untuk data berpola stasioner. Model ini digunakan ketika jumlah data penelitian yang tersedia sedikit. Model peramalan
GM(1, 1) modifikasi rantai Markov digunakan untuk memodelkan data berpola
tren. Data yang digunakan dalam pembahasan adalah data distribusi energi di
Indonesia dari tahun 2000 sampai 2012. Distribusi energi meliputi minyak bumi, LPG dan listrik. Tujuan penelitian ini adalah menurunkan ulang model GM(1, 1)
modifikasi rantai Markov dan menerapkannya pada data distribusi energi.
Langkah-langkah dalam penelitian ini yaitu data diasumsikan berpola sta- sioner atau tren, menentukan barisan data awal dan mencari parameter dari mo-
del GM(1, 1). Selanjutnya menentukan barisan residu GM(1, 1) dan peramalan residu GM(1, 1). Kemudian modifikasi model peramalan residu GM(1, 1) dila- kukan pada peramalan residu GM(1, 1) dengan rantai Markov. Langkah terakhir menerapkan model peramalan GM(1, 1) modifikasi rantai Markov pada data dan
mencari tingkat keakuratan model.
Berdasarkan hasil pembahasan diperoleh model peramalan GM(1, 1) modi-
fikasi rantai Markov untuk data minyak bumi, LPG dan listrik. Keakuratan dari
model untuk masing-masing data yaitu data minyak bumi sebesar 58,7%, data
LPG sebesar 91,7% dan data listrik sebesar 78,7%.
Kata kunci : model Grey, rantai Markov, distribusi energi.
ABSTRACT
GM(1,1) is a forecasting model used for stationary data. This model is used when the amount of research data available are limited number of data. A GM(1,1) forecasting model modified Markov chain is used for trend data mode- ling. The data of energy distribution in Indonesia from 2000 to 2012 are used in this research. The energy distribution consists of other petroleum products, LPG and electricity. The aims of this research are to rederive GM(1,1) forecasting model modified Markov chain and to apply it to energy distribution data.
The steps in this research are conducted by assuming the data to be sta- tionary or trend, determining initial data sequence and finding the parameter of GM(1,1) model. Furthermore, the research is continued by finding residual sequence and GM(1,1) residual forecast. The modification of GM(1,1) residual forecast model is conducted for GM(1,1) residual forecast with Markov chain. The last step are applying GM(1,1) forecasting model modified Markov chain to the data and finding the accuracy level of the model.
Based on the results, it can be obtained GM(1,1) forecasting model modified Markov chain for the data of other petroleum products, LPG and electricity. The accuracy of GM(1,1) forecasting model modified Markov chain is 58,7% for other petroleum product data, 91,7% for LPG data and 78,7% for electricity data.
Keywords : Grey model, Markov chain, energy distribution.
