Peramalan Data Pengukuran Pergeseran Tanah Jalur Kereta Api Menggunakan Metode Fuzzy Time Series

Abstract

Unstable land conditions on the railway line cause land shift. Land movements that occur suddenly in large volumes can cause landslides easily. This situation supports the development of detecting ground shifts by forecasting land shift data. The land shift data is in the form of the rheostat output voltage value which has been measured against the land. Forecasting data using fuzzy time series method. The research was conducted in front of the PPI Laboratory with an implementation time of 1 month in June 2020. Mean Absolute Percentage Error (MAPE) and Squared Root of Mean Squared Error (RMSE) are methods used to calculate the percentage error value in a time series model. From the research that has been done, the average MAPE values for rheostat 1 and 2 data forecasting results were 22.49% and 25.74%, respectively. The RMSE values for rheostat 1 and 2 data forecasting results were 5.597% and 4.587%. So, that the data forecast has a fairly good predictive accuracy value.Kondisi tanah yang tidak stabil di jalur kereta api menyebabkan pergerakan tanah. Pergerakan tanah yang terjadi secara mendadak dalam jumlah yang besar dapat menyebabkan tanah mudah longsor. Keadaan tersebut mendukung dilakukannya pengembangan dalam mendeteksi pergeseran tanah dengan melakukan peramalan data pergeseran tanah. Data pergeseran tanah berupa nilai tegangan output rheostat yang telah dilakukan pengukuran terhadap tanah. Peramalan data menggunakan metode fuzzy time series. Penelitian dilakukan di depan Laboratorium Politeknik Perkeretaapian Indonesia dengan waktu pelaksanaan yaitu selama 1 bulan pada bulan Juni 2020. Penelitian menggunakan metode Mean Absolute Percentage Error (MAPE) dan Squared Root of Mean Squared Error (RMSE) untuk menghitung nilai presentase eror pada suatu model deret waktu. Dari penelitian yang telah dilakukan menghasilkan rata-rata nilai MAPE pada hasil peramalan data rheostat 1 dan 2 masing-masing diperoleh 22,49% dan 25,74%. Nilai RMSE pada hasil peramalan data rheostat 1 dan 2 masing-masing diperoleh 5,597% dan 4,587%. Sehingga peramalan data memiliki nilai keakurasian prediksi yang cukup baik.