OPTIMASI MODEL FUZZY - RADIAL BASIS FUNCTION NEURAL NETWORK (FRBFNN) DENGAN ALGORITMA GENETIKA UNTUK MEMPREDIKSI KUNJUNGAN WISATAWAN MANCANEGARA MELALUI PINTU MASUK “GREAT BATAM” KEPULAUAN RIAU

Chamid, Nur and Wutsqa, Dhoriva Urwatul (2017) OPTIMASI MODEL FUZZY - RADIAL BASIS FUNCTION NEURAL NETWORK (FRBFNN) DENGAN ALGORITMA GENETIKA UNTUK MEMPREDIKSI KUNJUNGAN WISATAWAN MANCANEGARA MELALUI PINTU MASUK “GREAT BATAM” KEPULAUAN RIAU. S1 thesis, UNY.

[img]
Preview
Text
Bab_I.pdf

Download (196kB) | Preview
[img]
Preview
Text
Bab_II.pdf

Download (600kB) | Preview
[img] Text
Bab_III.pdf
Restricted to Repository staff only

Download (1MB)
[img] Text
Bab_IV.pdf
Restricted to Repository staff only

Download (234kB)
[img] Text
Cover + Awal 1.pdf
Restricted to Repository staff only

Download (1MB)
[img]
Preview
Text
Daftar_Pustaka.pdf

Download (144kB) | Preview
[img] Text
Lampiran.pdf
Restricted to Repository staff only

Download (957kB)

Abstract

Fuzzy Radial Basis Function Neural Network (FRBFNN) merupakan model yang menggabungkan logika fuzzy dengan Radial Basis Function Neural Network (RBFNN). Data input dan output dalam RBFNN, diubah ke dalam nilai fuzzy. Bobot pembelajaran dari model FRBFNN dapat dioptimasi menggunakan algoritma genetika. Tujuan dari penelitian ini adalah menjelaskan prosedur pembentukan model FRBFNN dengan optimasi algoritma genetika untuk prediksi kunjungan wisatawan mancanegara (wisman) ke Indonesia melalui Pintu Masuk “Great Batam” Kepulauan Riau. Batam merupakan salah satu dari tiga pintu masuk utama wisman ke Indonesia yang berbasis transportasi pelabuhan. Prosedur pembentukan model yaitu menentukan input dengan melihat lag yang signifikan dari plot autokorelasi, pembagian data menjadi data training dan testing, fuzzifikasi, menentukan nilai pusat dan jarak maksimum cluster dengan metode K-Means clustering, membangun model FRBFNN dengan nilai MAPE terkecil. Bobot pembelajaran dioptimasi menggunakan algoritma genetika sehingga diperoleh bobot baru yang digunakan untuk prediksi kunjungan wisman. Model yang diperoleh dilakukan uji kesesuaian model dengan uji white noise dari ACF dan PACF data residual. Pada penelitian ini variabel input yang digunakan adalah data time series dari kunjungan wisman ke Indonesia dari bulan Januari 2006 hingga Januari 2017. Dengan cara trial and error untuk fungsi keanggotaan dan banyaknya himpunan fuzzy diperoleh model terbaik dengan menggunakan kurva segitiga dan 3 himpunan fuzzy. Arsitektur FRBFNN terbaik diperoleh 11 variabel input dan 5 neuron tersembunyi dengan fungsi aktivasi Gaussian. Selain itu dilakukan kombinasi perbandingan untuk data training dan testing yaitu sebesar 50%, 60%, 75%, 90%, dan diperoleh model terbaik dengan 75%. Hasil MAPE dari penelitian ini secara berturut-turut untuk model RBFNN, FRBFNN, dan FRBFNN dengan optimasi algoritma genetika yaitu 11,3621% dan 10,4917%, 10,8621% dan 9,4009%, 9,3765% dan 8,2723%. Kata Kunci : time series, radial basis function neural network, K-means, genetic algorithms

Item Type: Thesis (S1)
Subjects: Matematika dan Ilmu Pengetahuan Alam > Matematika
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Matematika
Depositing User: Jurusan Pendidikan Matematika
Date Deposited: 03 Aug 2017 00:57
Last Modified: 03 Aug 2017 00:57
URI: http://eprints.uny.ac.id/id/eprint/51195

Actions (login required)

View Item View Item