prediksi data time series menggunakan evolving RBF neural network

arinto hardono

Informasi Dasar

113030050
005.1
Karya Ilmiah - Skripsi (S1) - Reference

ABSTRAKSI: Kemampuan untuk memprediksi data hanya dengan menggunakan data masa lalu, dapat berguna bagi suatu organisasi atau individu untuk meraih kesuksesan. Prediksi data time series adalah meramalkan suatu nilai variabel yang terurut berdasarkan waktu, tanpa mempedulikan faktor-faktor yang mempengaruhi dan memodelkan pola data tersebut untuk prediksi.
Pada Tugas Akhir ini membahas sebuah metode prediksi data time series menggunakan evolving Radial Basis Function Neural Network(RBFNN) yang dilatih center dan radiusnya dengan menggunakan evolutionary algorithm. RBFNN dapat menangani data nonlinier yang cenderung sama dengan kondisi dalam dunia nyata. Lebih cepat konvergen daripada Multi Layer Perceptron yang memiliki hidden layer lebih dari satu karena RBFNN hanya memiliki 1 hidden layer. Berdasarkan perbandingan dengan metode naïve dan auto-regressive moving average (ARMA), evolving RBFNN mampu memberikan akurasi peramalan yang lebih baik pada mayoritas data pengujian. Dengan demikian, evolving RBFNN dapat dijadikan sebagai suatu metode alternatif prediksi data time series.
Kata Kunci : prediksi, evolutionary algorithm, rbf neural network.ABSTRACT: The ability to predict data based only on past data can be useful for an organization or individual to achieve success. Time series forecasting is predict a variable that well organize in time without care about factors that influence data and modelling data pattern for forecasting. This Final Project proposed a time series forecasting method using evolving Radial Basis Function Neural Network(RBFNN) which centre and radius are trained using evolutionary algorithm. RBF neural network can handle nonlinear data that dispose to the real world. RBF is faster convergence than MLP because RBF neural network only have one hidden layer. In a comparative study with naive method and auto-regressive moving average (ARMA), evolving RBFNN shown better forecast results in most benchmark data. Thus, evolving RBFNN can be used as an alternative method in time series forecasting.Keyword: time series forecasting, evolutionary algorithm, rbf neural network.

Subjek

Informatika Teori dan Pemrograman
 

Katalog

prediksi data time series menggunakan evolving RBF neural network
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

arinto hardono
Perorangan
Adiwijawa, Andrian Rakhmatsyah
 

Penerbit

Universitas Telkom
Bandung
2008

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini