ESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2
DOI:
https://doi.org/10.21831/pg.v7i2.4783Keywords:
Akurasi, Hybridizing, Exponential Smoothing, Neural NetworkAbstract
Nilai parameter dari suatu model peramalan dapat diestimasi dengan meminumkan ukuran evaluasi keakuratan peramalan seperti MSE, MAE, MAPE dan AIC. Pada penelitian ini telah dilakukan estimasi parameter hybridizing neural network dengan exponential smoothing dengan meminimumkan MSE, MAE, MPE dan MAPE. Estimasi parameter dibatasi untuk nilai mulai dari 0.01 sampai dengan 0.99. Estimator merupakan nilai yang memberikan model dengan ukuran keakuratan peramalan MAE dan MSE minimum. Dari algoritma program R yang telah dibuat, diperoleh estimator parameter yang meminimalkan MSE adalah 0.13. Estimtor parameter yang meminimumkan MAE adalah 0.01. Estimator parameter yang meminimumkan nilai MPE dan MAPE bernilai sama yakni 0.27. Ketiga estimator tersebut selanjutnya dimasukkan ke dalam model hybridizing neural network dengan exponential smoothing. Dari analisis perbandingan nilai MAE dan MSE dari masing-masing model, dapat disimpulkan bahwa untuk data hasil pegukuran mean sea level satelit altimetri Jason 2 estimasi parameter bobot dengan meminimumkan nilai MAE memberikan model hybridizing neural network dan exponential smoothing dengan nilai MAE dan MSE terkecil yakni 0.3088635 dan 0.2767077.
Kata Kunci : Akurasi, Hybridizing, Exponential Smoothing, Neural Network
References
Cryer, J.D. (2008).Chang KS. Time Series Analysis With Application in R, (Ed). New York: Springer.
Lai,K.K.,Yu,L., Wang,S.Y., Huang,W. (2006).Hybridizing Exponential Smoothing and Neural Network for Financial Time Series Prediction. LNCS, 3994:493-500.
Zhang,G.P.(2003).Time Series Forecasting Using a Hybrid ARIMA and Neural Network Model. Neurocomputing. 50:159-175.
Downloads
Published
How to Cite
Issue
Section
License

Pythagoras is licensed under a Creative Commons Attribution 4.0 International License.
Based on a work at http://journal.uny.ac.id/index.php/pythagoras.