Perbandingan Metode Extreme Learning Machine dan Particle Swarm Optimization Extreme Learning Machine untuk Peramalan Jumlah Penjualan Barang
Abstract: Extreme Learning
Machine (ELM) merupakan salah satu metode pembelajaran dari Artificial Neural
Network yang memberikan tingkat akurasi dan kecepatan yang lebih baik dari pada
metode pembelajaran lainnya. Salah satu kelemahan dari metode ELM adalah jumlah
hidden nodes ditentukan dengan cara try and error, sehingga tidak bisa
diketahui berapa jumlah hidden nodes yang tepat untuk mendapatkan hasil
peramalan menggunakan metode ELM. Untuk mengatasi masalah tersebut digunakan
metode optimasi Particle Swarm Optimization untuk mencari jumlah hidden nodes
yang optimal. Data yang digunakan untuk keperluan analisis adalah data time
series penjualan barang salah satu minimarket di Bali. Hasil peramalan akan
diukur mengunggunakan Mean Square Error (MSE) dengan data uji yang sama. Hasil
penelitian menunjukkan metode PSO dapat diterapkan pada metode ELM untuk
mengoptimasi jumlah hidden nodes. MSE yang dihasilkan oleh metode PSO ELM lebih
kecil dibanding metode ELM. Selain itu range error yang dihasilkan oleh metode
PSO ELM juga lebih kecil dibanding metode ELM.
Penulis: Susila Handika, IAD
Gririantari, Agus Dharma
Kode Jurnal: jptlisetrodd160009
