Nurhaqikah, Chika (2026) Metode Adaptive Neuro Fuzzy Inference System (Anfis) Berbasis Clustering Adaptive HB-GWO. Masters thesis, Fakultas Sains dan Matematika Undip.

	Text 1. COVER.pdf Download (179kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (450kB)
	Text 7. DAFTAR ISI.pdf Download (320kB)
	Text 12. ABSTRAK.pdf Download (342kB)
	Text 13. ABSTRACT.pdf Download (264kB)
	Text 14. BAB I PENDAHULUAN.pdf Download (252kB)
	Text 19. DAFTAR PUSTAKA.pdf Download (255kB)

Abstract

Serangan hama Wereng Batang Coklat (WBC) menjadi salah satu ancaman terbesar
bagi produktivitas tanaman padi yang dipengaruhi oleh kondisi iklim seperti Jumlah
Hari Hujan (HH) dan Kelembaban Minimum (RHmin). Penelitian ini
mengembangkan model prediksi serangan WBC berbasis Adaptive-Neuro Fuzzy
Inference System (ANFIS) dengan pendekatan clustering menggunakan algoritma
Adaptive HB-GWO. Algoritma Adaptive HB-GWO menggabungkan kemampuan
eksplorasi global dari algoritma Butterfly Optimization Algorithm (BOA) pada fase
pertama dengan eksploitasi lokal dari algoritma Grey Wolf Optimization (GWO)
pada fase kedua untuk menghasilkan clustering yang optimal. Data yang digunakan
sebanyak 288 data bulanan mengenai kondisi lingkungan di Kota Semarang,
dengan pembagian 70% data pelatihan dan 30% data pengujian. Hasil dari proses
clustering digunakan untuk menginisialisasi parameter premis pada model ANFIS.
Clustering Adaptive HB-GWO menunjukkan konvergensi yang seimbang antara
eksplorasi dan eksploitasi. Metode clustering Adaptive HB-GWO terbukti
menghasilkan solusi optimasi parameter yang lebih baik, sehingga mampu
meningkatkan akurasi prediksi model ANFIS secara keseluruhan. Nilai akurasi
yang dihasilkan oleh ANFIS-HB GWO sebesar 0,0019 dan MAE sebesar 0,0010,
yang mengindikasikan bahwa model mampu memprediksi intensitas serangan
WBC dengan tingkat akurasi yang tinggi.

Actions (login required)

View Item