ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN LOGIKA FUZZY UNTUK PERAMALAN TINGKAT INFLASI

Omar Pahlevi

Abstract


Stabilitas inflasi merupakan salah satu pra syarat bagi pertumbuhan ekonomi yang berkelanjutan untuk meningkatkan kesejahteraan masyarakat. Tingkat inflasi tidak dapat diremehkan dalam sistem dan usaha perekonomian suatu negara pada umumnya. Jika inflasi dapat diprediksi dengan akurasi yang tinggi, tentu saja dapat digunakan sebagai dasar pengambilan kebijakan Pemerintah dalam mengantisipasi kegiatan ekonomi di masa depan. Dalam penelitian ini akan menggunakan metode Neural Network Backpropagation dan metode Fuzzy Logic Mamdani untuk memprediksi tingkat inflasi bulanan di Indonesia, kemudian membandingkan kedua metode tersebut untuk mendapatkan metode yang terbaik. Data yang digunakan diperoleh dari Badan Pusat Statistika (BPS), dimana 80% digunakan untuk data pelatihan dan 20% untuk data pengujian. Dalam hasil analisis data disimpulkan bahwa kinerja metode Neural Network Backpropagation lebih baik dibandingkan dengan metode Fuzzy Logic Mamdani dengan Mean Absolute Deviation (MAD) sebesar 0.0577, Mean Square Error (MSE) sebesar 0.0069, dan Root Mean Square Error (RMSE) sebesar 0.0830.


Full Text:

PDF

References


Alpaydin, Ethem. (2010). Introduction to Machine Learning. London: The MIT Press.

Badan Pusat Statistik (BPS). 2015. Inflasi, Diunduh pada tanggal 03 Agustus 2014.

Gorunescu, Florin (2011). Data Mining: Concepts, Models, and Techniques. Verlag Berlin Heidelberg: Springer

Han, J., & Kamber, M. (2006).Data Mining Concept and Tehniques.San Fransisco: Morgan Kauffman.

Kusrini, & Luthfi, E. T. (2009). Algoritma Data Mining. Yogyakarta: Andi Publishing.

Kusumadewi, Sri dan Purnomo, Hari (2010). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.

Kusuma, Sri (2003). Pengantar Jaringan Syaraf Tiruan.

Yogyakarta. Teknik Informatika FT UII.

Larose, D. T. (2005). Discovering Knowledge in Data. New

Jersey: John Willey & Sons, Inc.

Maimon, Oded & Rokach, Lior.(2005). Data Mining and Knowledge Discovey Handbook. New York: Springer.

Naba, Agus (2009). Belajar Cepat Fuzzy Logic Menggunakan MATLAB. Yogyakarta : Andi Offset.

Purnomo, M. H., & Kurniawan, A. (2006). Supervised Neural Network dan Aplikasinya. Yogyakarta: Graha Ilmu.

Puspitaningrum, Diyah (2006). Pengantar Jaringan Syaraf Tiruan. Yogyakarta: AndiOffset.

Sumathi, & S., Sivanandam, S.N. (2006). Introduction to Data Mining and its Applications. Berlin Heidelberg New York: Springer.

Witten, I. H., Frank, E., & Hall, M. A. (2011).Data Mining: Practical Machine Learning and Tools. Burlington: Morgan Kaufmann Publisher.


Refbacks

  • There are currently no refbacks.