Saraswati, Linda and Kusumawati, Rosita (2017) FUZZY ELMAN RECURRENT NEURAL NETWORK DALAM PERAMALAN HARGA MINYAK MENTAH DI INDONESIA DENGAN OPTIMASI ALGORITMA GENETIKA. S1 thesis, UNY.
![]() |
Text
ABSTRAK.docx Download (21kB) |
|
|
Text
BAB I.pdf Download (226kB) | Preview |
|
|
Text
BAB II.pdf Download (1MB) | Preview |
|
![]() |
Text
BAB III.pdf Restricted to Repository staff only Download (1MB) |
|
![]() |
Text
BAB IV.pdf Restricted to Repository staff only Download (119kB) |
|
|
Text
DAFTAR PUSTAKA.pdf Download (198kB) | Preview |
|
![]() |
Text
HALAMAN AWAL.pdf Restricted to Repository staff only Download (1MB) |
|
![]() |
Text
LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) |
Abstract
Fuzzy Elman Recurrent Neural Network (FERNN) merupakan model yang menggabungkan konsep logika fuzzy dengan jaringan Elman Recurrent Neural Network (ERNN). Data input dan output dalam ERNN yang berupa data perkiraan harga minyak mentah di Indonesia dihitung derajat keanggotaannya menggunakan fungsi keanggotaan yang ditentukan. Bobot pembelajaran hasil model FERNN dapat dioptimasi menggunakan algoritma genetika dengan seleksi rangking (rank selection). Tujuan dari penelitian ini adalah menentukan arsitektur terbaik FERNN untuk meramalkan harga minyak mentah di Indonesia dan mengoptimasi model FERNN dengan algoritma genetika untuk peramalan harga minyak mentah di Indonesia Prosedur pembentukan model yaitu menentukan input dengan melihat lag yang signifikan dari plot autokorelasi, pembagian data menjadi data training dan testing, fuzzyfikasi, membangun model FERNN dengan nilai MAPE terkecil. Bobot pembelajaran dioptimasi menggunakan algoritma genetika sehingga diperoleh bobot baru yang digunakan untuk peramalan harga minyak mentah di Indonesia. 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 harga minyak mentah di Indonesia dari bulan Januari 2007 hingga Juni 2017. Fungsi keanggotaan fuzzy yang digunakan adalah kurva-S pertumbuhan dengan 1 himpunan fuzzy. Arsitektur FERNN terbaik diperoleh 7 variabel input, 10 neuron pada lapisan tersembunyi, 10 neuron pada lapisan tambahan dan 1 neuron pada lapisan output dengan fungsi aktivasi sigmoid bipolar pada lapisan tersembuyi dan sigmoid linear pada lapisan output. Perbandingan untuk data training dan testing pada model sebesar 75% dan 25%. Hasil MAPE data training dan testing dari penelitian ini secara berturut-turut untuk model FERNN sebesar 8,3237% dan 43,0113% dan model FERNN dengan optimasi Algoritma Genetika sebesar 6,9498% dan 6,9642%.
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | time series, elman recurrent neural network, algoritma genetika, harga minyak mentah di Indonesia. |
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: | 20 Sep 2017 02:04 |
Last Modified: | 30 Jan 2019 15:09 |
URI: | http://eprints.uny.ac.id/id/eprint/52855 |
Actions (login required)
![]() |
View Item |