PERAMALAN INDEKS HARGA KONSUMEN DENGAN JARINGAN SYARAF TIRUAN DAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)

Abstract

Inflasi merupakan suatu fenomena dalam dunia ekonomi. Di Indonesia, inflasi dihitung dari perubahan harga barang dan jasa yang dinyatakan dengan Indeks Harga Konsumen (IHK). Inflasi tinggi dapat berdampak negatif terhadap kondisi sosial ekonomi masyarakat. Oleh karena itu, diperlukan adanya peramalan IHK yang dapat digunakan sebagai acuan untuk menjaga stabilitas nilai IHK. Metode peramalan yang dapat digunakan adalah Jaringan Syaraf Tiruan (JST) dan Adaptive Neuro-Fuzzy Inference System (ANFIS). JST adalah alat pemodelan data statistik nonlinier. Salah satu algoritma yang dapat digunakan untuk melakukan peramalan adalah backpropagation. ANFIS adalah gabungan dari logika fuzzy dan JST. Salah satu algoritma yang dapat digunakan adalah hybrid, yaitu algoritma yang merupakan gabungan dari Least Squares Estimator (LSE) dan Error Backpropagation (EBP). Tujuan penelitian ini adalah untuk mendapatkan model peramalan IHK terbaik berdasarkan nilai Mean Absolute Deviation (MAD) dan Mean Absolute Precentage Error (MAPE) pada tahap pengujian menggunakan metode JST dan ANFIS. Data yang digunakan dalam penelitian ini adalah data sekunder Indeks Harga Konsumen (IHK) interval bulanan periode Januari 2000 – Agustus 2015 dari Badan Pusat Statistika (BPS). Data IHK periode Januari 2000 – September 2011 digunakan sebagai data pelatihan, sedangkan data IHK periode Oktober 2011 – Agustus 2015 digunakan sebagai data pengujian. Data pelatihan dan pengujian terlebih dahulu dinormalisasi pada range [0,1 0,9] untuk menyesuaikan range data dengan fungsi aktivasi dan fungsi keanggotaan yang digunakan. Arsitektur JST yang digunakan terdiri dari 3 model, dimana setiap model viii memiliki jumlah neuron lapisan tersembunyi masing-masing 2, 5, dan 10. Arsitektur ANFIS yang digunakan terdiri dari 3 model, dimana setiap model memiliki jumlah fungsi keanggotaan input sebanyak 2, 5, dan 10. Pada tahap pengujian, ketiga model JST menghasilkan nilai MAD dan MAPE yang lebih stabil dengan selisih yang sangat kecil dengan rata-rata MAD sebesar 1,764 dan rata-rata MAPE sebesar 1,43 %. Hasil pengujian IHK menggunakan JST dengan algoritma backpropagation menunjukkan bahwa model 2 dengan jumlah neuron lapisan tersembunyi sebanyak 5 merupakan model peramalan terbaik menggunakan JST dengan menghasilkan nilai MAD dan MAPE terkecil sebesar 1,743 dan 1,42 %. Sementara itu, ketiga model pengujian ANFIS menghasilkan nilai MAD dan MAPE dengan selisih yang relatif besar dengan rata-rata MAD sebesar 2,115 dan rata-rata MAPE sebesar 1,61 %. Hasil pengujian IHK menggunakan ANFIS dengan algoritma hybrid menunjukkan bahwa model 1 dengan jumlah fungsi keanggotaan input sebanyak 2 merupakan model peramalan terbaik menggunakan ANFIS dengan menghasilkan nilai MAD dan MAPE terkecil sebesar 1,274 dan 0,97 %. Secara garis besar, hasil pengujian dari JST dan ANFIS menghasilkan MAD dan MAPE yang sangat baik. Untuk menentukan model terbaik, hasil pengujian JST dibandingkan dengan hasil pengujian ANFIS. Diantara hasil pengujian model JST dan ANFIS, terlihat bahwa ANFIS model 1 memiliki MAD dan MAPE yang lebih kecil dibandingkan dengan model lain. Sehingga, dapat disimpulkan bahwa ANFIS dengan jumlah fungsi keanggotaan input sebanyak 2 merupakan model terbaik untuk peramalan IHK jangka panjang dengan akurasi 99,03 %.