Nonlinear Autoregressive Model With Exogenous Inputs (Narx) Neural Network Untuk Meramalkan Permintaan Gas Oksigen (Studi Kasus : UD Mulur Jaya Kota Kediri)

Abstract

Meningkatnya jumlah kasus Covid-19 pada tahun 2021 sempat mengakibatkan terjadinya kelangkaan gas oksigen. Melonjaknya jumlah orang positif aktif Covid-19 yang memerlukan gas oksigen sebagai alat bantu pernafasan mengakibatkan bertambahnya permintaan terhadap gas oksigen. NARX ini merupakan pengembangan dari Nonlinear Autoregressive Neural Network (NAR) dan terdapat penambahan input eksogen didalamnya. NARX secara efisien dapat digunakan untuk memodelkan deret waktu yang tidak stasioner dan nonlinier. Model NARX-NN dengan arsitektur terbaik untuk data kasus kebutuhan gas oksigen di UD Mulur Jaya Kota Kediri dengan input eksogen data jumlah orang positif aktif Covid-19 di kota Kediri diperoleh saat input delays dan feedback delays sebanyak 4 dan 10 hidden neuron. Hasil prediksi pada proses training menghasilkan MSE sebesar 0.022963, sedangkan proses testing menghasilkan MSE sebesar 0.020209. Peramalan tersebut menghasilkan nilai MSE sebesar 0,02292. Hasil MSE yang diperoleh berarti peramalan yang dihasilkan dapat dikatakan baik.