BAB 3 ANALISIS DAN PERANCANGAN
Bab ini membahas tentang analisis dan tahapan Evolving Fuzzy Neural Network EFuNN dalam melakukan prediksi time series. Pada bab ini juga akan dibahas
tentang langkah penyelesaian prediksi dengan EFuNN.
3.1 Arsitektur Umum
Bentuk perancangan sistem yang diajukan dalam penelitian ini dapat dilihat pada gambar 3.1 dimana pada gambar ditunjukkan langkah-langkah yang dilakukan dalam
melakukan prediksi time series menggunakan Evolving Fuzzy Neural Network. Langkah-langkah yang dilakukan yaitu pertama pengumpulan data time series dari
Kredit Pemilikan Rumah KPR yang akan digunakan untuk melakukan prediksi, lalu input parameter EFuNN yang terdiri dari Sensitive Threshold, Error Threshold,
Learning Rate 1 dan Learning Rate 2. Lalu data yang di input ke dalam sistem dibagi 2 yaitu data training dan data testing. Proses data training dengan melakukan
normalisasi data training tersebut ke dalam besaran fuzzy dengan range 0.1 sampai 0.9. Tentukan fungsi keanggotaannya menggunakan trapezoidal membership function
lalu lakukan proses training terhadap seluruh data training yang ada. Setelah seluruh proses training selesai, input data testing dan normalisasi ke besaran fuzzy dengan
range 0.1 sampe 0.9. Tentukan fungsi keanggotaannya dengan trapezoidal membership function dan lakukan prediksi dengan Evolving Fuzzy Neural Network.
Denormalisasi hasil prediksi ke besaran crisp untuk mendapatkan hasil prediksi, lalu hitung rata-rata persentase error dengan MAPE untuk mendapatkan rata-rata error
hasil prediksi. MAPE merupakan suatu fungsi yang digunakan untuk mengevaluasi deviasi data training selama proses pelatihan Liao, 2007.
Universitas Sumatera Utara
Input Data
Data Training Data Testing
Input Parameter EFuNN
Normalisasi Data ke Besaran Fuzzy
[0.1,0.9] Normalisasi Data ke
Besaran Fuzzy [0.1,0.9]
Menentukan Fungsi Keanggotaan Data
Training Dengan Trapezoidal
Membership Function Menentukan Fungsi
Keanggotaan Data Testing Dengan
Trapezoidal Membership Function
Proses Training Pada Data Training dengan
EFuNN Proses Prediksi Pada
Data Testing dengan EFuNN
Denormalisasi Hasil Prediksi ke Besaran
Crisp
Menghitung Error dan Rata-Rata Error
dengan MAPE Output Hasil Prediksi
Output Persentase Error
Gambar 3.1 Langkah Penyelesaian EFuNN Pada Sistem
Universitas Sumatera Utara
3.2 Data yang Digunakan