MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK (FRBFNN) UNTUK MERAMALKAN KEBUTUHAN LISTRIK DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA

Nugraheni, Nur Rahmi and Wutsqa, Dhoriva Urwatul (2017) MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK (FRBFNN) UNTUK MERAMALKAN KEBUTUHAN LISTRIK DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA. S1 thesis, UNY.

[img]
Preview
Text
ABSTRACK.pdf

Download (28kB) | Preview
[img]
Preview
Text
BAB I.pdf

Download (209kB) | Preview
[img]
Preview
Text
BAB II.pdf

Download (664kB) | Preview
[img] Text
BAB III.pdf
Restricted to Repository staff only

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

Download (210kB)
[img]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (92kB) | Preview
[img] Text
lampiran.pdf
Restricted to Repository staff only

Download (621kB)
[img] Text
COVER.pdf
Restricted to Repository staff only

Download (859kB)
[img] Text
lengkap.pdf
Restricted to Repository staff only

Download (2MB)

Abstract

Fuzzy Radial Basis Function Neural Network (FRBFNN) adalah model penggabungan antara konsep logika fuzzy dengan Radial Basis Function Neural Network (RBFNN). Pada FRBFNN data input yang awalnya berupa nilai crisp diubah ke nilai fuzzy, dan data output yang berupa nilai fuzzy diubah ke nilai crisp. Tujuan dari penelitian ini adalah untuk menjelaskan prosedur peramalan kebutuhan listrik dan meramalkan kebutuhan listrik di Provinsi Daerah Istimewa Yogyakarta. Prosedur pembentukan model FRBFNN yaitu (1) menentukan input dengan melihat lag yang signifikan pada plot autokorelasi, (2) membagi data menjadi 2 yaitu data training dan data testing, (3) fuzzifikasi, (4) menentukan nilai pusat dan jarak menggunakan metode K-Means clustering, (5) membangun model FRBFNN dengan melihat nilai MAPE (Mean Absolute Percent Error) dan MSE (Mean Squares Error) terkecil (6) menguji model yang terbentuk dengan uji white noise dengan melihat plot ACF (Autocorrelation Function) dan PACF (Partial Autocorrelation Function) data residual. Pada penelitian ini, data yang digunakan adalah data time series dari kebutuhan listrik di Provinsi Daerah Istimewa Yogyakarta bulan Januari 2007 hingga Desember 2015. Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan segitiga dengan 3 himpunan fuzzy. Arsitektur terbaik didapatkan 10 input dan 6 neuron tersembunyi dengan fungsi aktivasi Gaussian. Pembagian data training dan data testing hingga didapatkan model terbaik dengan kombinasi 75% dan 25%. Hasil MAPE data training dan data testing pada model terbaik dari penelitian ini adalah 7,9426% dan 9,7347%.

Item Type: Thesis (S1)
Uncontrolled Keywords: Fuzzy Neural Network, peramalan, kebutuhan listrik.
Subjects: Matematika dan Ilmu Pengetahuan Alam > Matematika
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) > Pendidikan Matematika > Matematika
Depositing User: Jurusan Pendidikan Matematika
Date Deposited: 04 Sep 2017 03:11
Last Modified: 30 Jan 2019 15:02
URI: http://eprints.uny.ac.id/id/eprint/52613

Actions (login required)

View Item View Item