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

Agnes Veronika Sinaga; Noel Christoper Biutarbutar; Theodora Beata Simamora; Junita Amalia

doi:10.25273/doubleclick.v6i1.13368

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

Agnes Veronika Sinaga, Noel Christoper Biutarbutar, Theodora Beata Simamora, Junita Amalia

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.

Keywords

Adaptive Neuro Fuzzy Inference System, Genetic Algorithm, Forecasting

Full Text:

PDF

References

Al-Qaness, M. A., Ewess, A. A., Fan, H., & Elaziz, M. A. (2020). Optimized Forecasting Method for Weekly Influenza Confirmed Cases. Int J Environ Res Public Health.

Alquraish, M. M., Abuhasel, K. A., Alqahtani, A. S., & Khadr, M. (2021). A Comparative Analysis of Hidden Markov Model, Hybrid. Water, 1-18.

Hameed, I. A. (2018). A GA-Based Adaptive Neuro-Fuzzy Controller for Greenhouse Climate Control System. Alexandria Engineering Journal, 773-779.

Janes, G., Gordan, M., & Mladen, M. (2017). Applying Improved Genetic Algorith for Solving Job Shop Scheduling Problems. Tehnički vjesnik, 1243-1247.

Joseph, V. R. (2022). Optimal Ratio for Data Splitting. Atlanta: H. Milton Stewart School of Industrial and Systems Engineering

Moon, T., & Shin, D. H. (2018). Forecasting Model of Construction Cost Index Based on VECM with Search Query. KSCE Journal of Civil Engineering.

Nia, M. M., Azad, A., Farzin, S., & Karami , H. (2018). Application of Genetic Algorithm to Optimize the

Osowski, S., & Siwek, K. (2019). Local dynamic integration of ensemble in prediction of time series. Bulletin of The Polish Academy of Sciences, 517-525.

Pole, A., West, M., & Harrison, J. (2017). Applied Bayesian Forecasting and Time Series Analysis. New York: Chapman and Hall/CRC.

Sangaiah, A. K. (2019). Deep Learning and Parallel Computing Environment for Bioengineering Systems. Academic Press.

Septiarini, T. W., & Musikasuwan, S. (2018). Investigating the performance of ANFIS model to predict the . Journal of Physics: Conference Series, 1-10.

Setiawan, A., & Girsang, A. S. (2019). Prediction Of Plain Needs Old Telephone Service. IJSTR, 2649-2652.

Siahaan, W. F. (2019). Analisis Kinerja Adaptive Neuro Fuzzy Inferences System Pada Feature Input dengan Tournament Selection Menggunakan Algoritma Genetika. Medan: Universitas Sumatera Utara.

Vlasenko, A., Vlasenko , N., Vynokurova, O., Bodyanskiy, Y., & Peleshko, D. (2019). A Novel Ensemble Neuro-Fuzzy Model for Financial Time Series Forecasting. MDPI, 1-12.

Wahyuni, I. (2017). Prediksi Curah Hujan menggunakan Metode Hybrid Adaptive Neuro Fuzzy Inference System (ANFIS) dan Algoritma Genetika. Malang: Universitas Brawijaya.