Analisa Perbandingan Hasil Peramalan Data Time Series dengan Jaringan Syaraf Tiruan RBF dan FRBF

Pendekatan peramalan data time series dengan model jaringan syaraf Radial Basis Function (RBF) memiliki sifat supervised learning karena data yang dilatihkan berupa pasangan data input dan target yang diidentifikasi dan diekstrapolasi pola dan hubungannya. Sedangkan model jaringan syaraf Fuzzy Radial Basis Function (FRBF) merupakan model supervised-and-unsupervised learning yang merupakan kolaborasi himpunan fuzzy dan model jaringan syaraf RBF. Analisa perbandingan model jaringan syaraf RBF dan model jaringan syaraf FRBF dalam peramalan data time series dilakukan dalam penelitian ini untuk mengetahui keefektifan hasil peramalan dengan kedua model tersebut. Nilai MSE dan epoch rata-rata untuk proses peramalan in-sample yang didapatkan untuk model jaringan syaraf RBF dan FRBF secara berurutan adalah 73,45 dan 8,1903E-05 serta 532,36 dan 9,8648E-05. Sedangkan pada peramalan out-sample, nilai yang didapatkan dengan model RBF menjauhi data-data sebelumnya