Optimasi Bobot Training Backpropagation Pada Model Neural Fuzzy System (NFS) Menggunakan Algoritma Genetika untuk Peramalan Laju Inflasi di Indonesia”

Inflasi merupakan fenomena meningkatnya harga secara terus menerus yang mengakibatkan kenaikan barang‐barang lain. Laju inflasi dapat digunakan untuk mengukur kemajuan suatu Negara. Inflasi dapat terjadi karena hal tak terduga. Perekonomian Indonesia akan menurun jika inflasi tidak dikendalikan dengan baik. Sehingga dibutuhkan sebuah peramalan laju inflasi di Indonesia di masa yang akan datang. Penelitian ini mengusulkan NFS (Neural Fuzzy System) sebagai metode untuk meramalkan laju inflasi di Indonesia. Untuk meningkatkan akurasi, bobot pada tahap Neural Network harus ditentukan dengan benar. Sehingga penelitian ini menggunakan Algoritma Genetik (GA) untuk menentukan bobot terbaik pada proses training Neural Network. Setalah diperoleh bobot terbaik pada proses training, dan telah dilakukan pengujian data, maka tahap selanjutnya adalah menggunakan hasil pengujian data sebagai inputan FIS Sugeno sehingga menghasilkan peramalan akhir. Agar hasil peramalan lebih akurat, pembentukan aturan fuzzy harus ditentukan dengan benar. Oleh karena itu, dibutuhkan sebuah novelty yaitu meminimalkan jumlah aturan fuzzy dengan membagi parameter awal menjadi dua parameter yaitu parameter positif dan parameter negative pada tahap Neural Network, sehingga aturan fuzzy yang dihasilkan lebih sederhana. Untuk menghitung nilai error sistem digunakan teknik RMSE. Berdasarkan hasil penelitian, nilai RMSE yang dihasilkan oleh Optimasi Neural Fuzzy System (ONFS) sebesar 0.8913624. Nilai tersebut masih lebih unggul dibandingkan dengan metode pembanding lainnya, seperti FIS Sugeno, Optimasi FIS Sugeno, ARIMA, ANN, ANFIS, FNS, dan NFS (tanpa optimasi)