OPTIMASI STRUKTUR METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM MENGGUNAKAN ALGORITMA GENETIKA DALAM MENINGKATKAN AKURASI PREDIKSI DATA TIME SERIES

Muzani, Ma’ruf Aziz (2022) OPTIMASI STRUKTUR METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM MENGGUNAKAN ALGORITMA GENETIKA DALAM MENINGKATKAN AKURASI PREDIKSI DATA TIME SERIES. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 20.55.1415 Maruf Aziz Muzani.pdf Download (4MB)

Abstract

ANFIS merupakan gabungan dari 2 metode yaitu fuzzy dan jaringan syaraf tiruan. Dari penggabungan 2 metode tersebut ANFIS memiliki kelebihan dalam melakukan prediksi data time series. Namun penggunaan metode ANFIS juga terdapat kekurangan. Kekurangan tersebut yaitu jika jumlah aturan samar dalam skala besar yang didasari dengan adanya jumlah membership function dan jumlah masukan yang besar. Permasalahan tersebut disebut dengan "curse of dimensionality". Proses optimasi merupakan suatu usaha untuk mengatasi permasalahan yang terjadi sebelumnya pada metode ANFIS. Optimasi dilakukan dengan menggunakan Algoritma genetika yang dalam prosesnya menggantikan algoritma steepest descent. Penelitian ini menggunakan dataset curah hujan kabupaten sleman dengan dataset yang didapat berjumlaah 3045 baris data. Data yang diperoleh akan dilakukan preprocessing lalu kemudian akan diproses menggunakan algoritma genetika. Dalam pengujian data akan dibagi menjadi 2 skema yaitu dengan rasio 80:20 dan 70:30 serta data dengan normalisasi dan tanpa normalisasi. Berdasarkan hasil penerapan metode ANFIS yang di optimasi dengan algoritma genetika dan normalisasi pada dataset curah hujan kabupaten sleman diterapkan pada beberapa skenario pengujian. Hasil dari pengujian dengan berbagai skenario diperoleh nilai error terrendah sebesar 2,046 untuk ANFIS-GA dengan proses normalisasi data.

Actions (login required)

View Item