Seasonal Autoregressive Integrated Moving Average dan Artificial Neural Network Untuk Memprediksi Data Seasonal
MUHAMMAD AKMAL AFGHANI
Informasi Umum
Kode
19.04.2545
Klasifikasi
658.403 55 - Forecasting
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Forecasting-mathematical Models
Dilihat
295 kali
Informasi Lainnya
Abstraksi
Penelitian ini bertujuan untuk menerapkan algoritma Artificial Neural Network (ANN) yang diharapkan meningkatkan akurasi dari model Seasonal Autoregressive Integrated Moving Average (SARIMA) yang merupakan salah satu bagian dari model time series pada prediksi data seasonal. Informasi dasar mengenai data menggunakan estimasi parameter pada masing-masing model SARIMA menggunakan Bayesian Information Criterion (BIC). Nilai error untuk mengevaluasi SARIMA(2,0,0)(0,1,1)12 dan ANN didapatkan menggunakan Mean Absolute Error (MAE). Pada penelitian ini, model estimasi dari SARIMA (2,0,0)(0,1,1)12 dan jumlah node hidden layer pada uji algoritma ANN yaitu 20 dengan fungsi aktivasi log sigmoid dan linear. Performansi MAE pada data training dan data testing dari model SARIMA (2,0,0)(0,1,1)12 adalah 0.086 dan 0.071, ketika hasil prediksi SARIMA dimasukkan ke ANN nilai error pada data testing dan training menjadi lebih kecil yaitu 0.046 dan 0.052. Berdasarkan hasil prediksi, data seasonal yang digunakan mendapatkan perubahan error menjadi kecil saat hasil model SARIMA dimasukkan ke algoritma ANN.
- CCH3F3 - KECERDASAN BUATAN
- CIG4A3 - PEMBELAJARAN MESIN
- CS4763 - SOFT COMPUTING
- IFG444 - TUGAS AKHIR II
Koleksi & Sirkulasi
Seluruh (1) koleksi tidak tersedia
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | MUHAMMAD AKMAL AFGHANI |
| Jenis | Perorangan |
| Penyunting | DENI SAEPUDIN |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2019 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
