Adaptive Neuro Fuzzy Inference System Optimization by Genetic Algorithm pada Time Series

Abstract

Abstrak: Data deret waktu adalah serangkaian pengamatan yang diambil secara berurutan dari waktu ke waktu. Salah satu kegunaan data time series adalah untuk forecasting, yaitu memprediksi kemungkinan yang akan terjadi di masa yang akan datang berdasarkan data masa lalu. Salah satu metode yang dapat digunakan untuk time series forecasting adalah Adaptive Neuro Fuzzy Inference System (ANFIS). Namun, ANFIS memiliki keterbatasan dalam memilih hiperparameternya. Keterbatasan ini diatasi dengan optimasi Genetic Algorithm (GA) sehingga penulis mengajukan ANFIS dan dioptimasi dengan GA. Data yang akan digunakan dalam penelitian ini adalah data konsumsi pemakaian listrik. Penelitian ini bertujuan untuk mengetahui bagaimana performa algoritma GA untuk mengoptimasi ANFIS dengan nilai RMSE sebagai acuannya. Setelah dilakukan empat eksperimen pada ANFIS, peneliti mendapatkan hasil RMSE minimum yaitu 0,2323 untuk data test dengan menggunakan data electricity consumption European high. Untuk eksperimen ANFIS-GA, dilakukan juga empat eksperimen dengan hasil RMSE terkecil dari data test 0,2018; dengan populasi = 100, mutasi = 0,01 dan crossover = 0,5 dengan menggunakan data electricity consumption Siberian low.