Peramalan adalah teknik penting untuk mengestimasi nilai masa depan berdasarkan data historis. Namun, metode peramalan sering menghadapi tantangan dalam memilih model dengan tingkat akurasi terbaik. Penelitian ini bertujuan membandingkan kinerja metode Jaringan Syaraf Tiruan (JST) dan Fuzzy Metode Sugeno serta gabungan kedua metode yang disebut Adaptive Neuro Fuzzy Inference System (ANFIS). Ketiga metode digunakan untuk meramalkan inflasi bulanan Indonesia. Penerapan ketiga metode membutuhkan penentuan input yang berdasarkan stasioner dan PACF. Data tidak stasioner lag 2 sehingga Differencing lag 2 kemudian tidak ada lag yang keluar pada PACF. Berdasarkan kedua hal tersebut ditentukan inputnya ialah dan. Hasil menunjukkan bahwa metode JST dengan 3 lapisan tersembunyi dengan banyak neuron (2,1,1) memberikan kinerja terbaik (nilai RMSE terkecil sebesar 1,16127 pada data testing). Metode terbaik tersebut digunakan untuk meramalkan Inflasi bulan September 2023 hingga Desember 2024 cenderung konstan antara 2,68879% hingga 2,68887%. Kontribusi riset ini adalah metode advance (ANFIS) dengan menggabungankan dua metode (JST dan Fuzzy) belum tentu lebih baik daripada metode tanpa penggabungan (JST atau Fuzzy). Abstract Forecasting is an important technique for estimating future values based on historical data. However, forecasting methods often face challenges in choosing a model with the best level of accuracy. This study aims to compare the performance of the Artificial Neural Network (ANN) and Fuzzy Sugeno Method methods and a combination of the two methods called the Adaptive Neuro Fuzzy Inference System (ANFIS). The third method is used to predict Indonesia's monthly inflation. The application of the third method requires input determination based on stationary and PACF. The data is not stationary lag 2 so that Differencing lag 2 then there is no lag that comes out in PACF. Based on these two things, the input is determined to be Y_(t-1) and Y_(t-2). The results show that the ANN method with 3 hidden layers with many neurons (2,1,1) gives the best performance (the smallest RMSE value is 1.16127 on the test data). The best method used to predict inflation from September 2023 to December 2024 tends to be constant between 2.68879% to 2.68887%. The contribution of this research is that the advanced method (ANFIS) by combining two methods (ANN and Fuzzy) is not necessarily better than the method without combining (ANN or Fuzzy).
English
Peramalan adalah teknik penting untuk mengestimasi nilai masa depan berdasarkan data historis. Namun, metode peramalan sering menghadapi tantangan dalam memilih model dengan tingkat akurasi terbaik. Penelitian ini bertujuan membandingkan kinerja metode Jaringan Syaraf Tiruan (JST) dan Fuzzy Metode Sugeno serta gabungan kedua metode yang disebut Adaptive Neuro Fuzzy Inference System (ANFIS). Ketiga metode digunakan untuk meramalkan inflasi bulanan Indonesia. Penerapan ketiga metode membutuhkan penentuan input yang berdasarkan stasioner dan PACF. Data tidak stasioner lag 2 sehingga Differencing lag 2 kemudian tidak ada lag yang keluar pada PACF. Berdasarkan kedua hal tersebut ditentukan inputnya ialah dan. Hasil menunjukkan bahwa metode JST dengan 3 lapisan tersembunyi dengan banyak neuron (2,1,1) memberikan kinerja terbaik (nilai RMSE terkecil sebesar 1,16127 pada data testing). Metode terbaik tersebut digunakan untuk meramalkan Inflasi bulan September 2023 hingga Desember 2024 cenderung konstan antara 2,68879% hingga 2,68887%. Kontribusi riset ini adalah metode advance (ANFIS) dengan menggabungankan dua metode (JST dan Fuzzy) belum tentu lebih baik daripada metode tanpa penggabungan (JST atau Fuzzy). Abstract Forecasting is an important technique for estimating future values based on historical data. However, forecasting methods often face challenges in choosing a model with the best level of accuracy. This study aims to compare the performance of the Artificial Neural Network (ANN) and Fuzzy Sugeno Method methods and a combination of the two methods called the Adaptive Neuro Fuzzy Inference System (ANFIS). The third method is used to predict Indonesia's monthly inflation. The application of the third method requires input determination based on stationary and PACF. The data is not stationary lag 2 so that Differencing lag 2 then there is no lag that comes out in PACF. Based on these two things, the input is determined to be Y_(t-1) and Y_(t-2). The results show that the ANN method with 3 hidden layers with many neurons (2,1,1) gives the best performance (the smallest RMSE value is 1.16127 on the test data). The best method used to predict inflation from September 2023 to December 2024 tends to be constant between 2.68879% to 2.68887%. The contribution of this research is that the advanced method (ANFIS) by combining two methods (ANN and Fuzzy) is not necessarily better than the method without combining (ANN or Fuzzy).
Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.