OPTIMASI ANFIS UNTUK PREDIKSI DATA TIME SERIES

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 dapat menurunnya akurasi yang didapat. Penurunan tersebut dikarenakan data yang digunakan banyak yang bernilai error serta tidak bervariasi. Selain itu data yang digunakan tidak melalui proses preprocessing terlebih dahulu. Pengumpulan data berasal dari website BMKG. Data tersebut nantinya akan dilakukan proses preprocessing untuk mengatasi class imbalance. Hasil pelatihan dan pengujian dengan proses optimasi metode ANFIS dengan melakukan normalisasi dan pembersihan data erorr pada data curah hujan terdapat sedikit kesamaan baik dalam pelatihan dan pengujian. Untuk pengukuran performa akurasi prediksi menggunakan RMSE baik untuk rasio data 3:2 dan 4:1 masing – masing mendapatkan 0.0728 dan 0.0539. Berdasarkan hasil penerapan metode ANFIS dan normalisasi pada dataset curah hujan kabupaten sleman dengan parameter jumlah membership function, input membership function, learning rate, rasio data 3:2 dan 4:1 menunjukkan bahwa metode ANFIS dengan data yang sudah dilakukan proses normalisasi dan pembersihan data error dapat menjadi alternative metode untuk memprediksi tingkat curah hujan dengan data yang berjenis time series