Skripsi

Peramalan jumlah produksi air PDAM Delita Tirta Sidoarjo dengan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) / Sayyidah Hafidhatul Ilmi

Abstrak
v RINGKASAN Ilmi Sayyidah Hafidhatul. Peramalan Jumlah Produksi Air PDAM Delta Tirta Sidoarjo dengan Metode Adaptive Neuro-Fuzzy Inference System (ANFIS). Proposal Skripsi S1 Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang Pembimbing (1) Dr. Eng. Anik Nur Handayani S.T. M.T. (2) Aji Prasetya Wibawa S.T. M.M.T. Ph.d. Kata Kunci adaptive neuro-fuzzy inference (ANFIS) air clustering fuzzy c-means (FCM) forecasting PDAM. Air sangat penting untuk memenuhi kebutuhan manusia seperti makan minum mandi dan kebutuhan lainnya. Semakin hari kebutuhan air bersih semakin meningkat hal ini dipengaruhi oleh beberapa faktor yaitu pertumbuhan populasi makhluk hidup perkembangan pembangunan dan meningkatnya standar hidup masyarakat. Salah satu cara untuk memenuhi kebutuhan air bersih dapat dilakukan menggunakan sistem perpipaan yang dikelola oleh Perusahaan Daerah Air Minum seperti pada PDAM Delta Tirta. PDAM Delta Tirta merupakan salah satu instansi pemerintah Badan Usaha Milik Daerah (BUMD) di Kabupaten Sidoarjo yang mengelola penyediaan air bersih. Untuk memenuhi kebutuhan air bersih perusahaan memerlukan estimasi forecasting jumlah produksi air secara akurat. Ada beberapa metode forecasting yang dapat digunakan salah satunya adalah Adaptive Neuro-Fuzzy Inference (ANFIS). ANFIS merupakan metode gabungan dari metode inferensi fuzzy dan jaringan syaraf tiruan. Dengan demikian ANFIS memiliki semua kelebihan yang dimiliki oleh sistem inferensi fuzzy dan jaringan saraf tiruan. Oleh karena itu pada penelitian ini menggunakan metode ANFIS dengan model fuzzy Sugeno orde-1 dan jaringan syaraf tiruan backpropagation. Parameter yang digunakan berupa variabel time series jumlah pelanggan jumlah air yang terjual dan jumlah air yang hilang Data penelitian dilakukan pengolahan data awal seperti pengumpulan data attribute selection data integration data transformation. Data input dilakukan proses data transformation menggunakan z-score normalization. Hasil normalisasi dilakukan proses clustering menggunakan Fuzzy C-Means dengan 3 kelas. Output dari FCM digunakan untuk proses forecasting. Forecasting dijalankan dengan 5 layer arsitektur ANFIS dan dilatih dengan algoritma pembelajaran hibrida yaitu LSE dan error backpropagation. Berdasarkan hasil penelitian metode ANFIS sangat baik digunakan untuk proses forecasting. Hal tersebut dibuktikan dengan nilai error terendah MAPE adalah 0 364% dan nilai error terendah RMSE adalah 0 043.

Informasi Detail

DDC

Rs 005.1 ILM p

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2018.

Deskripsi Fisik

xiv, 106 lembar : il., tab. ; 30 cm

Bahasa

Indonesia

No Reg

06300/KI/18

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2018

Subjek

1. ALGORITMA KOMPUTER
2. COMPUTER ALGORITHMS

Pembimbing

1. Anik Nur Handayani ; 2. Aji Prasetya Wibawa

Lampiran Berkas