Peramalan jumlah produksi air PDAM Delita Tirta Sidoarjo dengan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) / Sayyidah Hafidhatul Ilmi
| Main Author: | Ilmi, Sayyidah Hafidhatul |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2018
|
| Online Access: |
http://repository.um.ac.id/48070/ |
Daftar Isi:
- vRINGKASANIlmiSayyidahHafidhatul.PeramalanJumlahProduksiAirPDAMDeltaTirtaSidoarjodenganMetodeAdaptiveNeuro-FuzzyInferenceSystem(ANFIS).ProposalSkripsiS1TeknikInformatikaJurusanTeknikElektroFakultasTeknikUniversitasNegeriMalangPembimbing(1)Dr.Eng.AnikNurHandayaniS.T.M.T.(2)AjiPrasetyaWibawaS.T.M.M.T.Ph.d.KataKunciadaptiveneuro-fuzzyinference(ANFIS)airclusteringfuzzyc-means(FCM)forecastingPDAM.Airsangatpentinguntukmemenuhikebutuhanmanusiasepertimakanminummandidankebutuhanlainnya.Semakinharikebutuhanairbersihsemakinmeningkathalinidipengaruhiolehbeberapafaktoryaitupertumbuhanpopulasimakhlukhidupperkembanganpembangunandanmeningkatnyastandarhidupmasyarakat.SalahsatucarauntukmemenuhikebutuhanairbersihdapatdilakukanmenggunakansistemperpipaanyangdikelolaolehPerusahaanDaerahAirMinumsepertipadaPDAMDeltaTirta.PDAMDeltaTirtamerupakansalahsatuinstansipemerintahBadanUsahaMilikDaerah(BUMD)diKabupatenSidoarjoyangmengelolapenyediaanairbersih.Untukmemenuhikebutuhanairbersihperusahaanmemerlukanestimasiforecastingjumlahproduksiairsecaraakurat.AdabeberapametodeforecastingyangdapatdigunakansalahsatunyaadalahAdaptiveNeuro-FuzzyInference(ANFIS).ANFISmerupakanmetodegabungandarimetodeinferensifuzzydanjaringansyaraftiruan.DengandemikianANFISmemilikisemuakelebihanyangdimilikiolehsisteminferensifuzzydanjaringansaraftiruan.OlehkarenaitupadapenelitianinimenggunakanmetodeANFISdenganmodelfuzzySugenoorde-1danjaringansyaraftiruanbackpropagation.ParameteryangdigunakanberupavariabeltimeseriesjumlahpelangganjumlahairyangterjualdanjumlahairyanghilangDatapenelitiandilakukanpengolahandataawalsepertipengumpulandataattributeselectiondataintegrationdatatransformation.Datainputdilakukanprosesdatatransformationmenggunakanz-scorenormalization.HasilnormalisasidilakukanprosesclusteringmenggunakanFuzzyC-Meansdengan3kelas.OutputdariFCMdigunakanuntukprosesforecasting.Forecastingdijalankandengan5layerarsitekturANFISdandilatihdenganalgoritmapembelajaranhibridayaituLSEdanerrorbackpropagation.BerdasarkanhasilpenelitianmetodeANFISsangatbaikdigunakanuntukprosesforecasting.HaltersebutdibuktikandengannilaierrorterendahMAPEadalah0364%dannilaierrorterendahRMSEadalah0043.