Penentuan Input Pembagian Data Fuzzifikasi Menentukan Nilai Pusat dan Jarak Menentukan Jaringan yang Optimum

52

C. Prosedur Pembentukan Model Fuzzy Radial Basis Function Neural

Network FRBFNN dengan Optimasi Algoritma Genetika Berikut adalah prosedur pemodelan FRBFNN untuk untuk memprediksi kunjungan wisatawan mancanegara di Pintu Masuk Great Batam Kepulauan Riau:

1. Penentuan Input

Penentuan input dilakukan dengan melihat autokorelasi lag-lag yang signifikan pada plot ACF subbab 2.B. Banyak lag-lag yang keluar dari garis signifikansi menunjukkan banyak input pada model FRBFNN.

2. Pembagian Data

Pada proses ini data dibagi menjadi dua bagian yaitu data training dan data testing . Beberapa komposisi data training dan data testing yang sering digunakan masing-masing 80 dan 20, 75 dan 25, 60 dan 40, dan sebagainya.

3. Fuzzifikasi

Pada tahap ini nilai-nilai input himpunan crisp diubah menjadi himpunan fuzzy . Nilai fuzzy ini digunakan sebagai pembelajaran dalam jaringan radial basis function . Pada tahap ini mengambil nilai input dan output dalam himpunan crisp kemudian menentukan derajat keanggotaan dalam semua himpunan fuzzy. Pada skripsi ini dilakukan cara trial and error untuk fungsi keanggotaan fuzzy yaitu kurva segitiga, S-pertumbuhan, trapezium, Gaussian, dan linier naik, dengan banyaknya himpunan fuzzy satu sampai enam. Hasil terbaik diperoleh dengan menggunakan digunakan fungsi keanggotaan segitiga dan tiga himpunan seperti yang dijelaskan pada subbab 2.C. 53

4. Menentukan Nilai Pusat dan Jarak

Data yang telah difuzzifikasi kemudian dilakukan suatu pengelompokkan menggunakan metode K-Means clustering. Dengan menggunakan metode K- Means clustering diperoleh nilai pusat dari masing-masing kelompok. Sedangkan untuk nilai jarak dihitung menggunakan rumus Euclidean. Banyak kluster menunjukkan banyaknya neuron pada lapisan tersembunyi pada model FRBFNN.

5. Menentukan Jaringan yang Optimum

Menentukan jaringan yang optimum dilakukan dengan menentukan banyak neuron tersembunyi dan eliminasi input yang akan membentuk subuah model terbaik. Model terbaik ditentukan dengan cara trial and error terhadap beberapa macam arsitektur yang mungkin dengan menggunakan fungsi aktivasi gaussian. Penentuan model terbaik juga dilakukan dengan memperhatikan nilai MAPE dan MSE terkecil. Nilai MAPE dan MAPE dihitung berdasarkan persamaan pada subbab 2.2.5. Metode Global Ridge-Regression digunakan untuk mencari nilai- nilai bobot yang optimum seperti pada subbab 3.1.2.

6. Optimasi Bobot Pembelajaran dengan Algoritma Genetika