Perbandingan Jaringan Syaraf Tiruan Algoritma Backpropagation dan Algoritma Genetika untuk Peramalan Data Time Series

Manusia selalu berupaya untuk memudahkan segala permasalahan yang dihadapi. Salah satunya adalah membuat alat bantu untuk memudahkan pekerjaannya atau memecahkan masalah yang dihadapi seperti halnya penentuan motode peramalan data time series . Teknik peramalan data time series selain menggunakan metode statistik, juga menggunakan pendekatan kecerdasan buatan (Artificial Intelligence ), meliputi jaringan syaraf tiruan (Artificial Neural Network ) algoritma Backpropagation yaitu mencoba membuat suatu model yang menirukan cara kerja jaringan syaraf manusia dan algoritma genetika dimana algoritma ini memakai proses seleksi alam dan genetik. Pada penelitian ini akan dilakukan perbandingan algoritma jaringan syaraf tiruan backpropogation dan algoritma genetika untuk peramalan beberapa data time series yaitu trend, musiman, acak, pencilan dan non linier. Hasil peramalan dari dua algoritma peramalan tersebut akan dibandingkan untuk mengukur ketepatan ramalan dengan melihat nilai Mean Square Error (MSE) dan Mean Absolute Percentage Error (MAPE) menggunakan softwar e Matlab dan Delphi. Berdasarkan hasil pembahasan bahwa dengan menentukan model terbaik diperoleh nilai MSE testing sebesar 0.000297 dan MAPE testing sebesar 0,068 pada tipe data dengan ciri trend dengan menggunakan algoritma backpropogation dan MSE testing sebesar 0,001332 dan MAPE testing sebesar 0,091 pada tipe data dengan ciri nonlinier. Hal ini menunjukan bahwa dengan pemberian toleransi kesalahan 0,1, kedua algoritma backpropagation dan algoritma genetika mampu memberikan solusi yang optimal pada dua tipe data dengan ciri trend dan nonlinier