Optimasi Fuzzy Time Series Menggunakan Algoritma Particle Swarm Optimization Untuk Peramalan Jumlah Penduduk Di Kabupaten Probolinggo

Prasojo, Cahyo Adi (2017) Optimasi Fuzzy Time Series Menggunakan Algoritma Particle Swarm Optimization Untuk Peramalan Jumlah Penduduk Di Kabupaten Probolinggo. Sarjana thesis, Universitas Brawijaya.

Abstract

Pertumbuhan penduduk terjadi dikarenakan meningkatnya jumlah kelahiran. Dampak pertumbuhan penduduk ini berpengaruh terhadap kesejahteraan manusia, baik dalam bidang ekonomi, kesehatan, sosial, politik dan budaya. Oleh karena itu diperlukan peramalan jumlah penduduk, untuk mengetahui seberapa pesat laju pertumbuhan penduduk. Salah satu metode peramalan yang digunakan yaitu Fuzzy Time Series (FTS). Namun, metode ini masih memiliki kekurangan yaitu pada penentuan nilai interval yang kurang tepat. Maka diperlukan algoritma optimasi untuk mencari nilai yang optimal dari interval tersebut. Penelitian ini bertujuan untuk melakukan peramalan jumlah penduduk pada Kabupaten Probolinggo dengan menggunakan metode FTS yang di optimasi menggunakan algoritma Particle Swarm Optimization (PSO). Optimasi yang dilakukan untuk mendapatkan nilai interval optimal pada FTS dan nilai parameter optimal pada PSO. Parameter pada PSO yang di optimasi adalah w (Bobot Inersia), c1 (konstanta kecepatan 1)dan c2 (konstanta kecepatan 2). Hasil dari pengujian tersebut, yaitu didapatkan nilai fitness w, c1 dan c2 terbaik, adalah 0,559140, 0,535084 dan 0,621134 dan nilai parameternya 0,6, 1,8 dan 2,4. Didapatkan nilai fitness terbaik dari peramalan tersebut, yaitu: 0,445334.

English Abstract

Population growth occurs due to the increasing number of births. The impact of population growth is affecting human welfare, Both in the economic, health, social, politic and cultural fields. Therefore it is necessary to forecast the population, to know how fast the rate of population growth. One of the most commonly used forecasting methods is the Fuzzy Time Series (FTS). However, this method still has a deficiency that is on the determination of the value of the interval that is less precise. therefore it is necessary the optimization algorithm to find the optimal value of the interval. This study aims to perform population forecasting in Probolinggo District by using FTS method which will be optimized using Particle Swarm Optimization (PSO) algorithm. Optimization is performed to obtain optimal interval value on FTS and optimal parameter value on PSO. The parameters in the optimized PSO are w (Inertial Weight), c1 (velocity constant 1) and c2 (velocity constant 2). The result of the test, that is got the best fitness w, c1 and c2 value, is 0,559140, 0,535084 and 0.621134 and parameter value are 0,6, 1.8 and 2.4. Get the best fitness value of the forecasting, is 0.445334.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2017/802/051800352
Uncontrolled Keywords: Jumlah Penduduk, Peramalan, Fuzzy Time Series (FTS), Particle Swarm Optimization (PSO)
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: 12 Jan 2018 06:53
Last Modified: 26 Oct 2021 06:16
URI: http://repository.ub.ac.id/id/eprint/7966
[thumbnail of BAB III.pdf]
Preview
Text
BAB III.pdf

Download (945kB) | Preview
[thumbnail of BAB I.pdf]
Preview
Text
BAB I.pdf

Download (644kB) | Preview
[thumbnail of BAB IV.pdf]
Preview
Text
BAB IV.pdf

Download (1MB) | Preview
[thumbnail of BAB VI.pdf]
Preview
Text
BAB VI.pdf

Download (913kB) | Preview
[thumbnail of BAB II.pdf]
Preview
Text
BAB II.pdf

Download (1MB) | Preview
[thumbnail of BAB V.pdf]
Preview
Text
BAB V.pdf

Download (812kB) | Preview
[thumbnail of BAB VII.pdf]
Preview
Text
BAB VII.pdf

Download (577kB) | Preview
[thumbnail of Daftar Pustaka.pdf]
Preview
Text
Daftar Pustaka.pdf

Download (498kB) | Preview
[thumbnail of Bagian Depan.pdf]
Preview
Text
Bagian Depan.pdf

Download (1MB) | Preview
[thumbnail of Lampiran.pdf]
Preview
Text
Lampiran.pdf

Download (500kB) | Preview

Actions (login required)

View Item View Item