Pengaruh Korelasi Data pada Peramalan Kelembaban Udara Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS)

Authors

  • Dinita Rahmalia Universitas Islam Darul Ulum Lamongan
  • Arif Rohmatullah Universitas Islam Darul Ulum Lamongan

DOI:

https://doi.org/10.33086/atcsj.v2i1.817

Keywords:

Regresi, Korelasi, Adaptive Neuro Fuzzy Inference System, Metode Hybrid

Abstract

Peramalan cuaca merupakan kegiatan yang penting untuk beberapa aktivitas. Dalam peramalan cuaca, terdapat beberapa komponen yang diamati seperti suhu udara, kelembaban udara, intensitas matahari, dan sebagainya. Berdasarkan penelitian sebelumnya, intensitas matahari dipengaruhi oleh salah satu komponen yaitu kelembaban udara sehingga pada penelitian ini akan dilakukan peramalan pada data kelembaban udara. Pada penelitian ini akan dilakukan peramalan pada data kelembaban udara meggunakan Adaptive Neuro Fuzzy Inference System (ANFIS). Dalam ANFIS terdapat beberapa parameter yang akan dioptimisasi yaitu premise parameter dan consequent parameter. ANFIS menggunakan metode hybrid dalam perhitungan. Terdapat dua bagian dari metode hybrid : alur maju dan alur mundur. Simulasi dilakukan pada tiga dataset dengan struktur yang berbeda. Berdasarkan hasil simulasi, hasil peramalan tergantung pada nilai korelasi. Semakin kuat nilai korelasi (korelasi mendekati 1) menghasilkan hasil peramalan yang lebih baik yang ditandai dengan nilai Mean of Square Error (MSE) yang kecil.

Downloads

Download data is not yet available.

References

Han, J., Kamber, M., Pei, J. Data Mining Concepts and Techniques, Elsevier, USA. 2012

Herlambang, T., Mufarrikoh, Z., Karya, D.F, Rahmalia, D. Estimation of Water Level and Steam Temperature Using Ensemble Kalman Filter Square Root (EnKF-SR), Journal of Physics : Conference Series, Vol 1008, No. 1. 2018.

Herlambang, T., Rasyid, R.A., Hartatik, S., Rahmalia, D. Estimasi Posisi Mobile Robot Menggunakan Metode Akar Kuadrat Unscented Kalman Filter (AK-UKF), Technology Science and Engineering Journal, Vol 1, No.2. 2017.

Rahmalia, D., Herlambang, T. Application Kohonen Network and Fuzzy C Means for Clustering Airports Based on Frequency of Flight, Kinetik : Game Technology, Information System, Computer Network, Computing, Vol. 3, No. 3, pp. 229-236. 2018.

Rahmalia, D., Aini, N. Pengaruh Korelasi Data pada Peramalan Suhu Udara Menggunakan Backpropagation Neural Network, Zeta-Math Journal,Vol 4, No.1, pp. 1-6. 2018.

Rahmalia, D., Herlambang, T. “Prediksi Cuaca Menggunakan Algoritma Particle Swarm Optimization-Neural Network (PSONN)”, Seminar Nasional Matematika dan Aplikasinya Universitas Airlangga, Surabaya. 2017.

Rahmalia, D. Estimation of Exponential Smoothing Parameter on Pesticide Characteristic Forecast Using Ant Colony Optimization (ACO), Eksakta : Jurnal Ilmu-ilmu MIPA,Vol 18, No.1, pp. 56-63. 2018.

Rahmalia, D., Pradana, M.S. Backpropagation Neural Network pada Data yang tak Stasioner (Studi Kasus: Jumlah Penderita Penyakit Ebola), Jurnal Riset dan Aplikasi Matematika (JRAM), Vol 3, No.1, pp. 32-42. 2019.

Shing, J., Jang, R. ANFIS : Adaptive Network Based Fuzzy Inference System, IEEE Transaction on System, Man and Cybernetics, Vol 23, No. 3, pp. 665-685.1993.

Suparta, W., Alhasa, K.M. Modelling of Tropospheric Delays Using ANFIS, SpringerBriefs in Meteorology. 2016.

Walpole, R.E., Myers, R.H., Myers, S.L. Probability & Statistics for Engineers & Scientists, Prentice Hall, USA. 2012.

Downloads

Published

2019-09-07

How to Cite

Rahmalia, D., & Rohmatullah, A. (2019). Pengaruh Korelasi Data pada Peramalan Kelembaban Udara Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS). Applied Technology and Computing Science Journal, 2(1), 10–24. https://doi.org/10.33086/atcsj.v2i1.817

Issue

Section

Articles