Fuzzy clustering dengan metode C-Means untuk forecasting data electrical load time-series - Digital Collection of Petra Christian University

Dalam membentuk membership function sebuah sistem fuzzy, biasanya
diperlukan pengetahuan tentang data yang digunakan. Tetapi, apabila tidak ada
pengetahuan tentang data tersebut, akan sangat sulit untuk membuat membership
function dari sistem fuzzy tersebut. Algoritma Fuzzy Clustering metode C-Means
merupakan sebuah algoritma yang dapat mempelajari data untuk membentuk
membership function secara otomatis.
Sistem Fuzzy Clustering dengan metode C-Means digunakan untuk
melakukan clusterisasi pada data Time-Series yaitu data electrical load Jawa
Timur-Bali 2005-2006. Degree of membership dari anggota kelas tersebut akan
membentuk Gaussian Membership Function dalam sistem fuzzy. Sistem fuzzy
yang digunakan adalah fuzzy tipe Takagi-Sugeno dengan output berupa crisp.
Sistem fuzzy yang terbentuk, digunakan untuk melakukan forecasting data
electrical load Jawa Timur-Bali 2007. Dari percobaan yang dilakukan, didapatkan
bahwa, menggunakan 3 cluster adalah yang terbaik dalam melakukan forecasting
electrical load Jawa Timur-Bali. Semakin panjang data set yang digunakan, maka
hasil forecasting akan semakin tidak akurat . Tetapi, data set yang panjang, akan
sangat baik dalam Long Term Forecasting. Hasil dari forecasting untuk bulan
Januari 2007 ? Maret 2007 menggunakan Short Term Forecasting menghasilkan
Mean Squared Error sebesar 0.0025 dan hasil forecasting untuk bulan April 2007
? Juni 2007 menggunakan Long Term Forecasting, menghasilkan Mean Squared
Error sebesar 0.0023 untuk bulan April 2007.

Contributor
• (98-056) Hany Ferdinando
• (99-034) Felix Pasila
• (97-031) Thiang

Rights
Tugas Akhir No. 02010842/ELK/2007; Lie Handra Wijaya (23403051)
The resource(s) is/are owned by the Creator/Contributor.Reproduction & distribution for non-commercial purposes is permitted provided that the credit for the Creator/Contributor and the source are explicitly stated,and no alteration are made

FILE(s)