Aplikasi peramalan dengan metode neural untuk prediksi data interval runtun waktu :: Studi kasus jumlah pengunjung GMC Health Center

PURNAWATI, Erika, Drs. Retantyo Wardoyo, M.Sc.,Ph.D

2010 | Tesis | S2 Ilmu Komputer

Prediksi merupakan bagian penting di dalam melakukan pengambilan keputusan, hasil prediksi yang baik akan mempengaruhi keputusan yang akan diambil. Prediksi data runtun waktu merupakan salah satu topik penelitian yang menarik karena merupakan suatu hal yang sulit untuk memprediksi data runtun waktu (time series). Aplikasi yang dibangun yaitu Aplikasi Peramalan dengan Metode Neural untuk Prediksi Data Interval Runtun Waktu, digunakan untuk memprediksi jumlah pengunjung pada GMC Health Center untuk satu pekan berikutnya. Neural dirancang untuk merealisasikan proses penalaran yang akan diaplikasikan untuk data interval yang bersifat runtun waktu. Algoritma pembelajaran backpropagation akan digunakan untuk melatih data runtun waktu tersebut untuk mendapatkan bobot-bobot akhir, yang nantinya akan digunakan untuk mengestimasi batas bawah dan batas atas interval. Penelitian ini menggunakan data penelitian yang bersifat musiman (data musiman dalam periode empat mingguan). Proses training menggunakan 52 pekan diambil dari data jumlah pengunjung tahun 2007 dan proses pengujian menggunakan 48 pekan data, yang diambil dari data jumlah pengunjung tahun 2008, dengan 10 neuron pada lapisan tersembunyi, laju pembelajaran = 0,04; momentum = 0,9; toleransi error = 10 -4; dan maksimum epoh = 12000. Hasil dari penelitian ini menunjukkan bahwa jaringan neural dengan algoritma pembelajaran backpropagation dapat digunakan untuk melatih data training untuk menentukan batas bawah dan batas atas interval. Jaringan neural yang terbentuk mampu mengakomodasi rentang nilai hasil peramalan, dalam hal ini dapat dimanfaatkan untuk melakukan peramalan interval jumlah pengunjung GMC Health Center. Keakuratan hasil prediksi interval menggunakan jaringan neural sangat bagus yakni 93%.

Prediction are an important part of decision making process. A good prediction can give a better decision. Since prediction of time series data is not easy, it becomes an interesting research topic. The forecasting application with neural method for time series interval data prediction has been developed to predict visitors to GMC Health Center for a successive week. The neural has been designed to implement the learning process for time series interval data. The back-propagation learning algorithm used to train the time series data to obtain the weights for estimating the upper and lower sides of the interval. This study works on the periodic observing data with four weeks pattern. It uses 52 week data in 2007 for training and 48 week data for testing with 10 hidden layer’s neuron, learning rate = 0,04; momentum = 0,9; error tolerance = 10 -4; and maximum epoch = 12000. Results of this study show that neural with backpropagation learning algorithm can be used to train the training data to determine the lower limit and upper limit of the interval. Neural was formed to accommodate the range of forecasting results, in this case can be used to forecast the interval number of visitors GMC Health Center. The accuracy of prediction result with neural is very good up to 93%.

Kata Kunci : Peramalan,Neural,Data interval,Runtun waktu