Penelitian dengan judul “Desain dan Evaluasi Performa Model Wavelet Neural Network untuk Pemodelan Time Series” dilakukan oleh Syamsul Bahri dibawah bimbingan Prof. Dr.rer.nat. Widodo, M.S. dan Prof. Drs. Subanar, Ph.D. pada tahun 2017.
Berikut ini merupakan intisari dari penelitian tersebut.
INTISARI
Perkembangan model dan tehnik dalam analisis time series berkembang seiring dengan perkembangan ilmu pengetahuan dan teknologi. Sejak dekade tahun 1990, teknik soft computing yang meliputi teknik fuzzy, neural network, dan wavelet telah mulai dipergunakan sebagai model alternatif untuk analisis time series. Penerapan fungsi wavelet sebagai fungsi aktivasi pada model neural network dikenal dengan model wavelet neural network (WNN). Berbasis pada model WNN, penelitian pada disertasi ini mengembangkan dua model neural network untuk pemodelan time series. Model pertama yang dikembangkan adalah model WNN yang merupakan model feed forward neural network (FFNN) yang mengakomodasi keunggulan transformasi wavelet diskret Haar pada tahapan pre-processing data, dan keung-gulan multiresolusi wavelet B-spline sebagai fungsi aktivasi, serta algoritma gradient descent with momentum sebagai algoritma optimasi dalam proses upda-ting parameter. Arsitektur model WNN yang dikembangkan terdiri atas enam la-yer dengan tiga layer tersembunyi. Model kedua yang dikembangkan adalah model WNN-F. Model WNN-F merupakan model hasil modifikasi dari model WNN yang dikembangkan pada penelitian ini melalui penerapan metode fuzzy untuk menentukan salah satu nilai parameternya, dan parameter tersebut diperlakukan sebagai parameter eksogenus model sehingga parameter tersebut tidak di-update dalam proses pembelajaran. Metode Fuzzy dalam hal ini adalah proses fuzzifikasi-defuzzifikasi, dimana proses fuzzifikasi menggunakan fungsi keanggotaan Gaussian dan proses de-fuzzifikasi menggunakan inferensi fuzzy tipe TSK (Takagi-Sugeno-Kang). Arsitektur model WNN-F yang dikembangkan terdiri atas tujuh layer dengan tiga layer tersembunyi. Evaluasi performa kedua model yang dikembangkan diperoleh berda-sarkan hasil studi simulasi dan studi kasus. Hasil empiris berdasarkan studi simulasi dan studi kasus tersebut memperlihatkan bahwa berdasarkan indikator nilai MSE dan waktu eksekusi, performa model WNN-F lebih baik dibandingkan dengan model WNN. Namun, berdasarkan indikator nilai AIC, performa model WNN lebih baik dibandingkan dengan model WNN-F.
Kata Kunci: performa, wavelet neural network, wavelet neural network-fuzzy, wavelet B-spline, wavelet Haar, fungsi keanggotaan Gaussian, Inferensi fuzzy tipe TSK, time series.