Perbandingan akurasi prediksi fuzzy time series lee berdasarkan metode pembagian interval (studi kasus: nominal wajib pajak hisana fried chicken Gondanglegi)

Indonesia
Penelitian ini membahas penerapan metode Fuzzy Time Series (FTS) Lee dalam memprediksi nominal wajib pajak pada Hisana Fried Chicken Gondanglegi, dengan fokus pada perbandingan tingkat akurasi berdasarkan tiga metode pembagian interval yaitu metode Sturges, Basis Interval, dan Trial and Error. Metode Sturges menentukan jumlah interval berdasarkan pendekatan logaritmik terhadap jumlah data. Metode Basis Interval menghitung panjang interval dari rata-rata selisih absolut antar data. Metode Trial and Error menggunakan pendekatan eksploratif dengan mencoba jumlah interval sebanyak 48 interval untuk melihat seberapa pengaruh banyak interval terhadap nilai error. Data yang digunakan merupakan data sekunder dari Badan Pendapatan Daerah Kabupaten Malang, yang mencakup periode Juni 2020 hingga Mei 2024. Metode FTS Lee dipilih karena mampu menangani data musiman dan ketidakpastian dengan pendekatan logika fuzzy, sementara pembagian interval menjadi faktor penting yang memengaruhi akurasi prediksi. Evaluasi hasil dilakukan menggunakan Mean Absolute Percentage Error (MAPE) untuk menentukan tingkat akurasi masing-masing metode. Hasil penelitian menunjukkan bahwa pemilihan metode pembagian interval yang tepat berpengaruh signifikan terhadap akurasi prediksi. Di antara ketiga metode yang diuji, metode Basis Interval menghasilkan tingkat akurasi terbaik dengan nilai MAPE terendah. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengambilan keputusan berbasis data, khususnya dalam bidang perpajakan usaha

English
This study discusses the application of the Fuzzy Time Series (FTS) Lee method in predicting the tax obligation amount of Hisana Fried Chicken Gondanglegi, focusing on a comparison of prediction accuracy based on three interval partitioning methods: Sturges, Basis Interval, and Trial and Error. The Sturges method determines the number of intervals based on a logarithmic approach to the amount of data. The Basis Interval method calculates the interval length from the average absolute difference between data points. The Trial and Error method uses an exploratory approach by testing 48 intervals to observe the effect of a large number of intervals on the prediction error. The data used are secondary data from the Regional Revenue Agency of Malang Regency, covering the period from June 2020 to May 2024. The FTS Lee method was selected for its ability to handle seasonal data and uncertainty through fuzzy logic, while interval partitioning is a critical factor that affects prediction accuracy. The prediction performance was evaluated using the Mean Absolute Percentage Error (MAPE) to determine the accuracy level of each method. The results show that selecting an appropriate interval partitioning method significantly influences prediction accuracy. Among the three methods tested, the Basis Interval method produced the best prediction accuracy with the lowest MAPE value. This research is expected to contribute to data-driven decision-making, especially in the field of business taxation.

Arab
تتناول هذه الدراسة تطبيق طريقة السلاسل الزمنية الضبابية في التنبؤ بالقيمة الاسمية للضريبة المستحقة على مطعم "هيسانا فرايد تشيكن" في غوندانغليغي، مع التركيز على مقارنة دقة التنبؤ بناءً على ثلاث طرق مختلفة لتقسيم الفترات طريقة ستورجس، وطريقة الفاصل الأساسي، وطريقة المحاولة والخطأ. تعتمد طريقة ستورجس على نهج لوغاريتمي لتحديد عدد الفترات بناءً على كمية البيانات. تحسب طريقة الفاصل الأساسي طول الفترة من متوسط الفروق المطلقة بين نقاط البيانات. وتستخدم طريقة المحاولة والخطأ نهجاً استكشافياً من خلال تجربة ٤٨ فترة لملاحظة تأثير العدد الكبير من الفترات على نسبة الخطأ في التنبؤ. اعتمدت الدراسة على بيانات ثانوية تم الحصول عليها من هيئة الإيرادات الإقليمية في كابوباتين مالانغ، وتشمل الفترة من يونيو حتى مايو. وقد تم اختيار طريقة e لقدرتها على التعامل مع البيانات الموسمية ومع حالات عدم اليقين من خلال منطق ضبابي، بينما يُعد تقسيم الفترات عاملاً حاسماً يؤثر على دقة التنبؤ. تم تقييم نتائج التنبؤ باستخدام متوسط نسبة الخطأ المطلق لتحديد مستوى دقة كل طريقة. أظهرت نتائج الدراسة أن اختيار طريقة مناسبة لتقسيم الفترات يؤثر بشكل كبير على دقة التنبؤ. ومن بين الطرق الثلاث التي تم اختبارها، حققت طريقة الفاصل الأساسي أفضل دقة تنبؤية بأدنى قيمة. ومن المتوقع أن تُسهم هذه الدراسة في دعم اتخاذ القرارات المستندة إلى البيانات، لا سيما في مجال الضرائب التجارية.