Pemodelan Adaptive Neuro-Fuzzy Inference System (ANFIS) Berbasis R-Square Increment untuk Prediksi Rata-Rata Suhu Harian di Jakarta

HAKIKI, Muhammad Akbar (2026) Pemodelan Adaptive Neuro-Fuzzy Inference System (ANFIS) Berbasis R-Square Increment untuk Prediksi Rata-Rata Suhu Harian di Jakarta. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive (FULL TEXT) SOFT FILE SKRIPSI - MUHAMMAD AKBAR HAKIKI.zip Restricted to Repository staff only Download (11MB) \| Request a copy
	Text 1. Cover.pdf Download (150kB)
	Text 3. Halaman Pengesahan I.pdf Download (1MB)
	Text 4. Halaman Pengesahan II.pdf Download (1MB)
	Text 5. Kata Pengantar.pdf Download (470kB)
	Text 6. Abstrak.pdf Download (489kB)
	Text 7. Abstract.pdf Download (489kB)
	Text 8. Daftar Isi.pdf Download (572kB)
	Text 12. BAB I Pendahuluan.pdf Download (670kB)
	Text 17. Daftar Pustaka.pdf Download (510kB)

Abstract

Rata-rata suhu harian merupakan parameter meteorologi penting untuk
menggambarkan kondisi termal atmosfer dan dinamika iklim suatu wilayah.
Parameter ini dipengaruhi oleh radiasi matahari, tutupan awan, curah hujan, hingga
sirkulasi udara. Hal ini menyebabkan data rata-rata suhu harian bersifat fluktuatif,
dinamis, memiliki pola nonlinier, serta terindikasi tidak stasioner. Mengingat
karakteristik data yang kompleks tersebut, diperlukan metode peramalan tingkat
lanjut yang mampu menangkap pola dengan optimal. Oleh karena itu, penelitian ini
bertujuan meramalkan data rata-rata suhu harian menggunakan metode Adaptive
Neuro-Fuzzy Inference System (ANFIS) berbasis R-Square Increment. Pendekatan
ini dipilih karena kehandalannya dalam menangani data time series yang nonlinier
dan tidak stasioner. Data yang digunakan adalah rata-rata suhu harian wilayah
Jakarta periode Oktober 2024 hingga Oktober 2025 dari NASA POWER.
Pembentukan Fuzzy Inference System (FIS) pada model ini membandingkan teknik
Fuzzy C-Means (FCM) dan Grid Partition. Berdasarkan hasil analisis R-Square
Increment, lag 1 dan lag 4 terpilih sebagai variabel input yang signifikan. Hasil
peramalan menunjukkan bahwa teknik FCM menghasilkan MAPE sebesar 1,081%
dan Grid Partition sebesar 1,228%. Secara keseluruhan, model ANFIS dengan
teknik FCM dan input lag terpilih (lag 1 dan lag 4) terbukti memberikan performa
peramalan yang paling akurat dengan tingkat kesalahan terkecil..
Kata Kunci: Rata-rata suhu harian, Peramalan, ANFIS, R-Square Increment,
MAPE

(NO. KETERSEDIAAN : 1663/E/2026)

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Statistics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	13 Jul 2026 11:25
Last Modified:	13 Jul 2026 11:25
URI:	https://eprints2.undip.ac.id/id/eprint/56558

Actions (login required)

View Item

Search for collections on Undip Repository