Tesis

Deep learning dengan mapso hyperparameter tuning untuk analisis multivariate time-series / Agung Bella Putra Utama

Abstrak
Multivariate Time-Series (MTS) telah menunjukkan efisiensi dan akurasi dalam prediksi time-series pada big data. MTS dapat dilakukan dengan algoritma metode Deep Learning (DL) seperti Long Short-Term Memory (LSTM) dan Convolutional Neural Network (CNN). Efisiensi dari algoritma tersebut sangat ditentukan oleh penentuan hyperparameter antara lain jumlah hidden neuron loss function batch size dan optimizer. Penentuan nilai hyperparameter ini menggunakan beberapa fase eksperimen dan dilakukan secara random tanpa menggunakan prosedur yang sistematis. Hal tersebut dapat diatasi dengan cara melakukan hyperparameter tuning. Hyperparameter tuning merupakan proses pemilihan kelompok parameter terpilih yang digunakan dalam DL untuk meningkatkan performa nilai yang dihasilkan. Penelitian ini bertujuan melakukan hyperparameter tuning pada algoritma LSTM dan CNN untuk memprediksi MTS dengan menggunakan Particle Swarm Optimization (PSO). PSO mengidentifikasi solusi optimal melalui kerjasama dan berbagi informasi antar partikel individu dalam suatu kelompok. Hyperparameter tuning dengan PSO digunakan untuk menghasilkan arsitektur yang efisien secara otomatis tanpa harus melakukan banyak eksperimen pada berbagai kemungkinan konfigurasi parameter untuk optimasi dalam proses. Optimasi juga diterapkan pada bagian preprocessing dengan menggunakan Moving Average (MA) yang gabungan dari keduanya disebut dengan MAPSO. Dalam penelitian ini data yang digunakan merupakan data MTS pengunjung website jurnal Knowledge Engineering and Data Science (KEDS). Hasil penelitian menunjukan MAPSO yang diusulkan dapat meningkatkan akurasi menjadi lebih baik. MAPSO-LSTM dan MAPSO-CNN memiliki Key Performance Indiciator (KPI) yang paling baik dibandingkan dengan model lainnya yaitu LSTM CNN MA-LSTM MA-CNN PSO-LSTM dan PSO-CNN. KPI RMSE terbaik 0 418 dihasilkan oleh MAPSO-LSTM sedangkan KPI MAPE terbaik dengan 1 159 dihasilkan oleh MAPSO-CNN.

Informasi Detail

DDC

Rt 519.535 UTA d

Prodi

Universitas Negeri Malang. Program Studi Teknik Elektro, 2022.

Deskripsi Fisik

xv, 78 lembar : ilus. ; 30 cm

Bahasa

Indonesia

No Reg

05761/KI/22

Edisi

Tesis (Pascasarjana)--Universitas Negeri Malang. 2022

Subjek

1. ANALISIS MULTIVARIAT
2. HYPERPARAMETER TUNING
3. MULTIVARIATE ANALYSIS

Pembimbing

1. Aji Prasetya Wibawa; 2. Muladi

Lampiran Berkas