A comparison between radial basis function (RBF) and adaptive neuro-fuzzy inference system (ANFIS) to model the free convection in an open round cavity

Angin sebagai salah satu fenomena alam yang mempengaruhi berbagai aspek dalam kehidupan manusia baik pengaruh positif maupun negatif. Aspek ini berperan besar dalam ekonomi, pariwisata, pembangunan, transportasi maupun perdagangan masyarakat. Data angin dalam hal ini kecepatan angin belum dapat diketahui secara pasti nilainya oleh karena itu perlu adanya prediksi. Adaptive Neuro Fuzzy Inference System (ANFIS) dan Radial Basis Function Neural Networkc(RBFNN) adalah algoritma yang dapat digunakan untuk prediksi data. Penelitian ini menggunakan ANFIS dan RBFNN untuk memprediksi kecepatan angin. Data prediksi yang digunakan dalam penelitian ini adalah data time series. Data kecepatan angin diperoleh dari BMKG (Badan Meteorologi Klimatogi dan Geofisika) Tanjungpinang, Kepualuan Riau. Hasil prediksi dengan kedua metode ini dibandingan dengan data asli untuk mengetahui metode mana yang lebih akurat dalam prediksi data. Hasil pengujian menggunakan kedua algoritma memperlihatkan akurasi terbaik (paling mendekati data asli/target) diperoleh oleh RBFNN yaitu dengan nilai RMSE adalah 0,1766 dan hasil RMSE ANFIS adalah 1,1456.

Download Full-text

Brain emotional learning based fuzzy inference system (Modified using radial basis function)

Eighth International Conference on Digital Information Management (ICDIM 2013) ◽

10.1109/icdim.2013.6693994 ◽

2013 ◽

Cited By ~ 3

Author(s):

Mahboobeh Pasrapoor ◽

Urban Bilstrup

Keyword(s):

Radial Basis Function ◽

Basis Function ◽

Fuzzy Inference System ◽

Fuzzy Inference ◽

Emotional Learning ◽

Inference System ◽

Radial Basis ◽

Brain Emotional Learning

Download Full-text

Aplikasi Peramalan Kebutuhan Beban Listrik Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS)

TELKA - Telekomunikasi Elektronika Komputasi dan Kontrol ◽

10.15575/telka.v3i1.51 ◽

2017 ◽

Vol 3 (1) ◽

pp. 36-48

Author(s):

Erwan Ahmad Ardiansyah ◽

Rina Mardiati ◽

Afaf Fadhil

Keyword(s):

Fuzzy Inference System ◽

Fuzzy Inference ◽

Inference System ◽

Neuro Fuzzy

Prakiraan atau peramalan beban listrik dibutuhkan dalam menentukan jumlah listrik yang dihasilkan. Ini menentukan agar tidak terjadi beban berlebih yang menyebabkan pemborosan atau kekurangan beban listrik yang mengakibatkan krisis listrik di konsumen. Oleh karena itu di butuhkan prakiraan atau peramalan yang tepat untuk menghasilkan energi listrik. Teknologi softcomputing dapat digunakan sebagai metode alternatif untuk prediksi beban litrik jangka pendek salah satunya dengan metode Adaptive Neuro Fuzzy Inference System pada penelitian tugas akhir ini. Data yang di dapat untuk mendukung penelitian ini adalah data dari APD PLN JAWA BARAT yang berisikan laporan data beban puncak bulanan penyulang area gardu induk majalaya dari januari 2011 sampai desember 2014 sebagai data acuan dan data aktual januari-desember 2015. Data kemudian dilatih menggunakan metode ANFIS pada software MATLAB versi b2010. Dari data hasil pelatihan data ANFIS kemudian dilakukan perbandingan dengan data aktual dan data metode regresi meliputi perbandingan anfis-aktual, regresi-aktual dan perbandingan anfis-regresi-aktual. Dari perbandingan disimpulkan bahwa data metode anfis lebih mendekati data aktual dengan rata-rata 1,4%, menunjukan prediksi ANFIS dapat menjadi referensi untuk peramalan beban listrik dimasa depan.

Download Full-text