Artificial Neural Networks (ANN) telah banyak digunakan di berbagai bidang untuk peramalan data time series. Hal ini karena ANN memiliki algoritma yang dibangun dari sistem komputer kecerdasan buatan. Salah satu algoritma yang populer digunakan dalam mengidentifikasi pola dan tren data adalah Back-Propagation (BP). ANN-BP merupakan metode pelatihan yang menggunakan multilayer perceptron dengan input data majemuk dengan metode pelatihan terbimbing yang terdiri dari tiga lapisan, yaitu lapisan input, lapisan tersembunyi, dan lapisan output kemudian antara setiap lapisan dihubungkan melalui bobot.
Untuk meningkatkan performa dan akurasi arsitektur, beberapa peneliti melakukan modifikasi algoritma dengan menggabungkan algoritma ANN-BP dengan metode lain di bidang peramalan. Proses modifikasi algoritma ANN-BP tentunya akan berdampak pada jumlah iterasi dan tingkat akurasi pada hasil prediksi. Beberapa peneliti telah memodifikasi algoritma ANN-BP seperti Genetic Algorithms Back Propagation (GABP) untuk prediksi pasar saham dan data konsentrasi ozon. Metode lain seperti Wavelet-Neural Network (WNN) untuk prediksi data konsentrasi pencemar udara dengan tingkat akurasi 86,49%, data curah hujan bulanan dengan tingkat akurasi 83,98%, dan debit sungai data dengan tingkat akurasi 94,09%.
Penelitian ini bertujuan untuk menganalisis akurasi ANN-BP dalam melakukan peramalan data time series menggunakan algoritma modifikasi dan algoritma tidak modifikasi. Metode ANN-BP cocok untuk data dengan ukuran matriks prediksi m 脳 n untuk memudahkan input setiap lapisan. Data tersebut disaring dari artikel yang diindeks oleh database seperti Scopus, Sciencedirect, DOAJ, dan Google Scholar untuk tahun publikasi 2010-2021. Metode Meta-analisis digunakan untuk menentukan tingkat akurasi untuk setiap kasus. Hsil analisis data menunjukkan bahwa tingkat akurasi algoritma yang dimodifikasi lebih tinggi daripada algoritma yang tidak dimodifikasi. Hal ini didapatkan dari keluaran forest plot yang menunjukkan tingkat akurasi sebesar 85% pada interval 0.81-0.90 untuk algoritma modifikasi, sedangkan algoritma non modifikasi mendapatkan tingkat akurasi sebesar 85% pada interval 0,77-0,93. Selain itu, koefisien korelasi rata-rata untuk algoritma ANN-BP yang dimodifikasi lebih tinggi 0,58% jika dibandingkan dengan algoritma yang tidak dimodifikasi. Tingkat akurasi yang tinggi ini disebabkan oleh penambahan jumlah lapisan tersembunyi, pemilihan fungsi aktivasi yang sesuai, dan kombinasi dengan algoritma lain seperti Genetic Algorithm, ARIMA, SVM, Wavelet-Neural Network, dan Radial Basis Function.
Penulis: Dr. Fatmawati, M.Si
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
Authors: Syaharuddin, Fatmawati, Herry Suprajitno.
Title: Accuracy rate of ANN back propagation architecture with modified algorithm: A meta-analysis.
