ABSTRAKSI:
Adaptive Neuro Fuzzy Inference System (ANFIS) merupakan kombinasi dari Sistem Inferensi Fuzzy dengan Jaringan Syaraf Tiruan dimana nilai keanggotaan dari Sistem Inferensi Fuzzy akan diperbaiki melalui pembelajaran dengan Jaringan Syaraf Tiruan sehingga dapat memberikan tingkat akurasi yang lebih baik untuk suatu sistem peramalan.
Tugas akhir ini mengimplementasikan arsitektur ANFIS untuk peramalan temperatur udara rata-rata dengan menggunakan data komponen cuaca yang terpilih pada hari sebelumnya. Implementasi peramalan dengan ANFIS diterapkan pada data cuaca untuk kota Bandung, Jakarta, dan Pontianak. Implementasi diawali dengan tahap pelatihan untuk mendapatkan parameter premise dan parameter consequent yang memberikan hasil peramalan yang mendekati nilai sebenarnya dengan selisih yang minimal yang dihitung dengan MAPE. Parameter yang didapat pada hasil pelatihan kemudian diterapkan untuk tahap pengujian. Analisa dilakukan terhadap hasil peramalan temperatur udara ratarata untuk H+1.
Hasil pengujian dengan menggunakan data uji menunjukkan bahwa sistem peramalan temperatur udara dengan menggunakan ANFIS mampu memberikan hasil peramalan cuaca dengan nilai MAPE 3.058% untuk kota Bandung, 2.465% untuk kota Jakarta, dan 2.928% untuk kota Pontianak dan dengan akurasi 96.942% untuk kota Bandung, 97.534% untuk kota Jakarta, dan 97.072% untuk kota Pontianak.
Kata Kunci : Sistem Inferensi Fuzzy, Adaptive Neuro Fuzzy Inference System (ANFIS), Jaringan SyarafABSTRACT: Adaptive Neuro Fuzzy Inference System (ANFIS) is a combination system of Fuzzy Inference System and Artificial Neural Network. ANFIS works by fitting the membership function of Fuzzy Inference System through Artificial Neural Network system to provide better precision for the forecasting system.
This final project implements ANFIS architecture for average air temperature forecasting by using chosen weather data from earlier days. The forecasting system implemented for three different city, they are Bandung, Jakarta, and Pontianak. The system implementation is started with training process to obtain premise parameters and consequent parameters which return the most closely forecasting value to the actual value with the most minimum diverse value which is counted using MAPE method. The obtained training parameters then applied into the architecture for testing purpose. The analysis includes the accuracy of air temperature forecasting for D+1.
The testing results using testing data show that the air temperature forecasting system using ANFIS is able to provide the forecasting value with MAPE values are 3.058% for Bandung, 2.465% for Jakarta, and 2.928 for Pontianak and the precision values are 96.942% for Bandung, 97.534% for Jakarta, and 97.072% for Pontianak.
Keyword: Fuzzy Inference System, Adaptive Neuro Fuzzy Inference System (ANFIS), Artificial Neural