Hasanah, Uswatun Hasanah (2023) Penerapan new optimization grey model menggunakan particle swarm optimization (pso) untuk peramalan impor ketenagalistrikan di indonesia / Uswatun Hasanah. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Peramalan merupakan proses memprediksi kejadian di masa yang akan datang dengan menyusun informasi atau titik data dari masa lalu secara berurutan. Grey System merupakan salah satu metode yang digunakan untuk menyelesaikan masalah karena keterbatasan data dan informasi dengan teknik penyelesaian model diferensial. Metode ini dapat digunakan untuk peramalan meskipun data kecil dan menghasilkan error yang kecil serta titik data yang digunakan sering kali tidak beraturan dan tidak stasioner. Model Grey dapat dioptimalkan kinerjanya menggunakan mekanisme rolling dengan menghapus titik data terlama dan algortima Particle Swarm Optimization (PSO). Algortima PSO ini memiliki kelebihan mudah menemukan solusi optimal dan parameter yang digunakan sedikit. Data impor ketenagalistrikan di Indonesia memiliki sampel data kecil dan sedikit serta tidak stasioner. Oleh karena itu dalam penelitian ini peramalan impor ketenagalistrikan di Indonesia dianalisis menggunakan dua metode yakni GM(1 1) dan model Grey (1 1) yang dioptimalkan menggunakan gabungan mekanisme rolling dan algoritma PSO atau GM(1 1)-PSO-Rolling dengan kriteria akurasi Mean Absolute Percentage Error terkecil. Hasil peramalan menunjukkan bahwa metode GM(1 1)-PSO-Rolling lebih akurat dan merupakan model terbaik untuk meramalkan impor ketenagalistrikan di Indonesia karena memiliki error terkecil dengan MAPE sebesar 0.4506%.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | library UM |
| Date Deposited: | 13 Mar 2023 04:29 |
| Last Modified: | 09 Sep 2023 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/272991 |
Actions (login required)
 |
View Item |