Implementasi Adaptive Neuro-Fuzzy Inference System (Anfis) untuk Peramalan Pemakaian Air di Perusahaan Daerah Air Minum Tirta Moedal Semarang

Ulfatun Hani'ah(1), Riza Arifudin(2), Endang Sugiharti(3),


(1) Universitas Negeri Semarang
(2) Universitas Negeri Semarang
(3) Universitas Negeri Semarang

Abstract

Peramalan pemakaian air pada bulan januari 2015 sampai April 2015 dapat dilakukan menggunakan perhitungan matematika dengan bantuan ilmu komputer. Metode yang digunakan adalah Adaptive Neuro Fuzzy Inference System (ANFIS) dengan bantuan software MATLAB. Untuk pengujian program, dilakukan percobaan dengan memasukkan variabel klas = 2, maksimum epoh = 100, error = 10-6, rentang nilai learning rate = 0.6 sampai 0.9, dan rentang nilai momentum = 0.6 sampai 0.9. Simpulan yang diperoleh adalah bahwa implementasi metode Adaptive Neuro-Fuzzy Inference System dalam peramalan pemakaian air yang pertama adalah membuat rancangan flowchart, melakukan clustering data menggunakan fuzzy C-Mean, menentukan neuron tiap-tiap lapisan, mencari nilai parameter dengan menggunakan LSE rekursif, lalu penentuan perhitungan error menggunakan sum square error (SSE) dan membuat sistem peramalan pemakaian air dengan software MATLAB. Setelah dilakukan percobaan hasil yang menunjukkan SSE paling kecil adalah nilai learning rate 0.9 dan momentum 0.6 dengan SSE 0.0080107. Hasil peramalan pemakaian air pada bulan Januari adalah 3.836.138m3, bulan Februari adalah 3.595.188m3, bulan Maret adalah 3.596.416 m3, dan bulan April adalah 3.776.833 m3. 

Keywords

ANFIS, learning rate, error, MATLAB

Full Text:

PDF

References

Widowati, Sutimin. 2007. Buku Ajar Pemodelan Matematika. Semarang: Jurusan Matematika UNDIP.

PDAM Semarang. 2014. (Online), (https://humaspdamsmg.wordpress.com/, Diakses 12 Nopember 2014).

Pakaja, F. Naba A. dan Purwanto. 2012. Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan Dan Certainty Factor. Jurnal EECCIS. Vol. 6(1): 23-28.

Wayan, A.W., Suyitno, H. dan Mashuri. 2012. Aplikasi Fuzzy Linear Programming Produksi Dalam Optimalisasi. UNNES Journal of Mathematics. Vol.1: 1-7.

Fatkhurrozi, B, Muslim, MA dan Didik RS. 2012. Penggunaan Artificial Neuro Fuzzy Inference Sistem (ANFIS) dalam Penentuan Status Aktivitas Gunung Merapi. Jurnal EECCIS. Vol. 6(2): 113-118.

Jang, JSR. 1993. ANFIS: Adaptive-Network-Based Fuzzy Inference System. IEEE Transactions on System, Man, and Cybernetics. Vol. 23: 665-685.

Tjahjono, A., Martiana, E dan Ardhinata, TH. 2011. Penerapan Adaptive Neuro Fuzzy Inference System (ANFIS) Untuk Sistem Pengambilan Keputusan Distribusi Obat pada Sistem Informasi Terintegrasi Puskesmas dan Dinas Kesehatan. Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia. Vol. 4(1): 338-344.

Defit,S.2013.PerkiraanBebanListrikJangkaPendekDenganMetodeAdaptive Neuro Fuzzy Inference System. Jurnal Ilmiah Sains dan Komputer (SAINTIKOM). Vol. 12(3): 165-176

Kusumadewi, S., Hartati, S. 2006. Neuro Fuzzy: Integrasi Sistem Fuzzy & Jaringan Syaraf. Yogyakarta: Graha Ilmu.

Oktavia, SN. Mara, M dan Satyahadewi, N. 2013. Pengelompokan kinerja Dosen Jurusan Matematika FMIPA Untan Berdasarkan Penilaian Mahasiswa Menggunakan Metode Ward. Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster). Vol. 2(2): 93 – 100.

Refbacks

  • There are currently no refbacks.




Scientific Journal of Informatics (SJI)
p-ISSN 2407-7658 | e-ISSN 2460-0040
Published By Department of Computer Science Universitas Negeri Semarang
Website: https://journal.unnes.ac.id/nju/index.php/sji
Email: [email protected]

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.