Prediksi Kebutuhan Air PDAM Kota Malang Menggunakan Metode Fuzzy Time Series Dengan Algoritma Genetika

Istiqara, Khaira (2017) Prediksi Kebutuhan Air PDAM Kota Malang Menggunakan Metode Fuzzy Time Series Dengan Algoritma Genetika. Sarjana thesis, Universitas Brawijaya.

Abstract

Air merupakan salah satu kebutuhan pokok makhluk hidup yang berasal dari sumberdaya alam. Manusia, hewan dan tumbuhan memerlukan air sebagai kebutuhan sehari-hari. Pemerintah menyediakan sebuah Perusahaan Daerah Air minum (PDAM) untuk memenuhi kebutuhan air bersih masyarakat Indonesia, salah satu perusahaan tersebut terdapat di Kota Malang. Sistem prediksi kebutuhan air PDAM Kota Malang ini bertujuan untuk mempersiapkan persediaan air yang cukup untuk memenuhi kebutuhan masyarakat. Metode yang digunakan dalam penelitian ini yaitu fuzzy time series yang dikombinasikan dengan algoritma genetika. Fuzzy Time Series adalah sebuah model yang biasanya digunakan untuk memprediksi data berdasarkan urutan waktu. Algoritma genetika digunakan untuk mengoptimasi sub-himpunan semesta pada fuzzy time series, untuk menghasilkan sub-himpunan semesta yang optimal. Pencarian solusi menggunakan representasi kromosom real-coded, kemudian diproses dengan operator genetika (crossover, mutasi dan seleksi) berdasarkan parameter yang telah diinisalisasi (ukuran populasi, jumlah kromosom, tingkat crossover, tingkat mutasi dan jumlah generasi). Metode dari operator genetika yang digunakan yaitu one-cut-point crossover, uniform mutation dan seleksi elitism. Hasil dari pengujian nilai parameter, diperoleh ukuran populasi terbaik yaitu 360, jumlah kromosom sebesar 60, kombinasi tingkat crossover dan mutasi terbaik yaitu 0.4 dan 0.2, serta jumlah generasi terbaik sebesar 550. Berdasarkan nilai parameter terbaik, diperoleh hasil prediksi dengan nilai error (MAPE) sebesar 2.266776%. Hasil tersebut menunjukkan kemampuan prediksi yang baik dengan nilai error yang rendah.

English Abstract

Water is one of the basic needs of living things derived from natural resources. Humans, animals and plants need water as a daily necessity. The Government provides a regional water company called Perusahaan Daerah Air Minum (PDAM) to fullfil the clean water needs of the people of Indonesia, one of which is located in Malang. System prediction of water needs of PDAM Malang city aims to prepare water supply to fullfil comunity necessity. The method used in this research is fuzzy time series combined with genetic algorithm. Fuzzy Time Series is usually used to predict data based on time sequence. The genetic algorithm is used to optimize the subset of universe in the fuzzy time series, to produce an optimal subset of universe. Search solution uses real-coded chromosome representation, then processed with genetic operator (crossover, mutation and selection) based on the initialized parameters (population size, chromosome length, crossover rate, mutation rate and number of generations). Method of genetic operator used is one-cut-point crossover, uniform mutation and elitism selection. The result of testing genetic algorithm parameter values, obtained the optimal population size is 360, the length of chromosome is 60, the best combination of crossover rate and mutation rate are 0.4 and 0.2, and the number of optimal generation is 550. Based on the best genetic algorithm parameter value, obtained the prediction result with the error value (MAPE) is 2.266776%. These results showed a good predictive ability with low error values.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2017/516/051707838
Uncontrolled Keywords: Algoritma genetika, optimasi, fuzzy time series, interval sub-himpunan, Prediksi, Air, PDAM
Subjects: 000 Computer science, information and general works > 003 Systems > 003.2 Forecasting and forecasts
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Yusuf Dwi N.
Date Deposited: 05 Sep 2017 01:52
Last Modified: 19 Oct 2020 03:07
URI: http://repository.ub.ac.id/id/eprint/2072
[thumbnail of Khaira Istiqara.pdf]
Preview
Text
Khaira Istiqara.pdf

Download (6MB) | Preview

Actions (login required)

View Item View Item