Peramalan Banyak Kasus Demam Berdarah (DB) di Kota Surabaya Menggunakan Hybrid Integer-valued Autoregressive Integrated Moving Average (INARIMA) dan Radial Basis Function Neural Network (RBFNN)

Juliaristi, Fajarani (2016) Peramalan Banyak Kasus Demam Berdarah (DB) di Kota Surabaya Menggunakan Hybrid Integer-valued Autoregressive Integrated Moving Average (INARIMA) dan Radial Basis Function Neural Network (RBFNN). Masters thesis, Institut Teknologi Sepuluh Nopember.

Preview

Text 1314201203-Master_Thesis.pdf - Accepted Version Download (954kB) | Preview

Abstract

Metode Hybrid merupakan kombinasi dua atu lebih sistem dalam satu fungsi.
Pada penelitian ini digunakan kombinasi Integer-valued Autoregressive
Integrated Moving Average (INARIMA) dengan Radial Basis Function Neural
Network (RBFNN). INARIMA digunakan untuk memodelkan komponen linier dan
menghasilkan nilai residual. Nilai residual yang tersebut kemudian akan di
analisis menggunakan RBFNN. Pada model INARIMA, input yang digunakan
adalah variabel acak bilangan bulat positif yang memenuhi identically and
independent distributed (iid). Pada model INARIMA juga digunakan Binomial
Thinning Operator yang merupakan jumlahan dari variabel acak Bernoulli.
Parameter yang belum diketahui pada model INARIMA akan diestimasi
menggunakan Metode Conditional Least Square (CLS). Kombinasi dari model
INARIMA yang telah dijelaskan sebelumnya adalah RBFNN. RBFNN adalah salah
satu model Neural Network (NN) yang digunakan untuk menyelesaikan
permasalahan nonlinier. Pada proses pembelajaran RBFNN terjadi proses
nonlinier dari lapisan input ke lapisan tersembunyi dengan menggunakan fungsi
aktivasi Gaussian, sedangkan pada lapisan tersembunyi ke lapisan output terjadi
proses linier. Pada proses menentukan model terbaik, digunakan Metode Self
Organizing Map (SOM) untuk mengelompokkan data input menjadi beberapa
kelompok sehingga nilai pusat dan varians setiap kelompok dapat dihitung.
Aplikasi Metode Hybrid INARIMA dan RBFNN diterapkan untuk meramalkan
banyak kasus demam berdarah di Kota Surabaya. Data yang digunakan adalah
data banyak kasus demam berdarah di Kota Surabaya dari bulan Januari 2006
sampai Desember 2014. Penelitian ini menghasilkan model terbaik Hybrid
INAR(1) dengan variabel prediktor x1 dan RBFNN dengan 2 neuron input, 2
neuron pada lapisan tersembunyi, dan 1 neuron output. Model ini menghasilkan
nilai Mean Square Error (MSE) sebesar 371,494 dan Root Mean Square Error
(RMSE) sebesar 19,274
=====================================================================================================
Hybrid method is a combination of two or more systems in one function. In
this study, the combination is Integer-valued Autoregressive Integrated Moving
Average (INARIMA) with Radial Basis Function Neural Network (RBFNN).
INARIMA modelling the linear component of data and produce the residual.
Residual value will analised using RBFNN. In INARIMA process, the input is
nonnegative integer random variable and it is identically and independent
distributed (iid). In INARIMA model, there is Binomial Thinning Operator is sum
of Bernoulli random variable. The unknown parameter in INARIMA model
estimated using Conditional Least Square (CLS). The combination of INARIMA
is RBFNN. RBFNN is the one of Neural Network (NN) model which it use to
solve nonlinear problem. In RBFNN learning, there is nonlinear process from
input layer to hidden layer using Gaussian activation function and linear process
from hidden layer to output. To determining the optimum model, Self Organizing
Map (SOM) classify the input data to several groups then the centroid value and
variance each groups can be calculate. The aplication of Hybrid INARIMA and
RBFNN method is forecast the number of dengue fever case in Surabaya from
January 2006 until December 2014. This study obtain the best model is Hybrid
INAR(1) with explanatory variable x1 and RBFNN with 2 neurons in input layer,
2 neurons in hidden layer, and 1 neuron in output layer. This model produce Mean
Square Error (MSE) 371.494 and Root Mean Square (RMSE) 19.274

Item Type:	Thesis (Masters)
Additional Information:	RTSt 519.536 Jul p
Uncontrolled Keywords:	DB, Hybrid, INARIMA, CLS, RBFNN, SOM
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Mr. Tondo Indra Nyata
Date Deposited:	17 Mar 2020 02:49
Last Modified:	17 Mar 2020 02:49
URI:	http://repository.its.ac.id/id/eprint/75493

Actions (login required)

View Item