Ayun Hapsari, 4611416019 (2021) OPTIMASI ALGORITMA ARTIFICIAL NEURAL NETWORK (ANN) MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) DAN GENETIC ALGORITHM (GA) PADA PERAMALAN SUHU UDARA. Under Graduates thesis, Unnes.

PDF (OPTIMASI ALGORITMA ARTIFICIAL NEURAL NETWORK (ANN) MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) DAN GENETIC ALGORITHM (GA) PADA PERAMALAN SUHU UDARA) - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Parameter iklim seperti suhu, tekanan udara, kelembapan, kecepatan dan arah aliran angin, ketinggian dan kerapatan awan, serta curah hujan sangat berpengaruh pada cuaca. Suhu udara merupakan unsur yang penting karena menggambarkan keadaan cuaca di suatu tempat. Peramalan suhu dibuat dengan mengumpulkan data kuantitatif tentang keadaan atmosfer. Peramalan suhu udara dengan metode data mining menggunakan Algoritma Artificial Neural Network metode Backpropagation memiliki tingkat keberhasilan yang tinggi. Pada proses peramalan menggunakan algoritma Artificial Neural Network metode Backpropagation sering terjebak pada masalah minimum local. Hal tersebut disebabkan karena inisialisasi bobot awal yang dilakukan secara acak, jika bobot yang diinisialisasi terlalu rendah maka bobot akan turun ke niai yang sangat rendah dan akhirnya menjadi tidak berguna. Namun jika bobot yang diinisialisasi terlalu besar maka akan menyebabkan fungsi sigmoid cenderung datar. Hal lain yang menyebabkan terjadinya minimum local adalah kesulitan dalam pengaturan nilai parameter dari arsitektur jaringan seperti learning rate, momentum dan training cycle. Masalah inisialisasi bobot awal dapat diatasi menggunakan Algoritma Particle Swarm Optimization, yaitu dengan merepresentasikan bobot kedalam matriks posisi pada partikel PSO. Sedangkan masalah penentuan nilai parameter diselesaikan menggunakan Genetic Algorithm, dengan membangkitkan populasi yang berisi kromosom training cycle, learning rate, dan momentum. Hasil penetilian menunjukkan bahwa Particle Swarm Optimization dan Genetic Algorithm berhasil menurunkan rata-rata nilai RMSE dari sepuluh percobaan menjadi 0.006727 setelah diterapkan pada peramalan cuaca menggunakan Algoritma Atificial Neural Network.

Actions (login required)

View Item