WAVELET-JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES
Keywords:
Jaringan syaraf tiruan, pre-processing, prediction, post-processing, waveletAbstract
Prediksi data time series dapat digunakan sebagai bahan pertimbangan dalam pengambilan keputusan yang akan datang. Jaringan syaraf tiruan merupakan metoda yang baik untuk memprediksi data time series, akan tetapi sulit dihindari adanya epoch (iterasi) yang banyak selama pelatihan. Sedangkan wavelet dapat dipakai untuk mendekomposisi dan merekontruksi data sehingga dapat mengurangi banyaknya epoch. Pada makalah ini, dibahas bagaimana WaveletJaringan Syaraf Tiruan, yang selanjutnya disebut WANN (WaveletArticial Neural Network) digunakan untuk memprediksi data time series. Ada tiga tahapan untuk mendapatkan hasil prediksi data times series dengan metoda WANN, yaitu pre-processing, prediction, dan post-processing. Pre-processing digunakan untuk mendekomposisi data masukan, prediction merupakan proses training, dan post processing dipakai untuk merekontruksi data setelah dilakukan training. Selanjutnya dilakukan simulasi dengan menggunakan MATLAB. Dari simulasi ini diperoleh data short term prediction dan long term prediction.
Downloads
References
Burrus C. Sidney, dkk., Introduction to Wavelets and Wavelet Transforms, Prentice Hall International, Inc, Housto, 1998.
Cryer, Jonatan D., time series Analysis, PWS-KENT Publishing company, Boston, 1996.
Fausett Laurene, Fundamentals of Neural Network, Prentice Hall, New Jersey, 1994.
Lin Feng, dkk, Times Series Forecasting with Neural Network, Central Queensland Universty, Australia, 1994.
Loh Ruey Hwa, Times Series Forecast with neural network and wavelet techniques, The University of Queeland, 2003.
Reanaud Oliver dkk, Kalman-type Filtering using the Wavelet Transform, Elsivier Science, 2000.
Vlad Sorin, On the prediction methods using neural network, University of Suceava, Romania, 2002.
Zhang Zhguo, San ye, Adaptive Wavelet Neural Network for Prediction of Hourly NOx and NO2 Concentration.
