Optimasi parameter neural network pada data time series

Gempa bumi merupakan suatu pergerakan tanah yang terjadi secara tiba-tiba hingga menimbulkan getaran, besarnya kekuatan gempa dapat mengakibatkan bencana baik kerusakan maupun korban jiwa. Untuk mengantisipasi bencana yang akan datang maka diperlukan suatu model khususnya untuk meramalkan besarnya kekuatan gempa. Pada penelitian ini, digunakan model ARIMA dan model kombinasi dari Neural Network-Algoritma Genetik (NN-GA) untuk memprediksi rata-rata kekuatan gempa bumi setiap bulan khususnya yang terjadi di wilayah Maluku Utara. Data yang digunakan adalah data kekuatan gempa berdasarkan skala richter yang diperoleh dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG) kota Ternate. Sebagai input pada model ARIMA dan NN-GA digunakan rata-rata kekuatan gempa bumi 36 bulan dan rata-rata kekuatan gempa 36 bulan berikutnya digunakan sebagai target untuk prediksi. Untuk meng-update parameter (bobot) dari Neural Network digunakan metode Gradient Descent dan untuk mendapatkan parameter yang lebih optimal pada layer Output, maka di diterapkan Algoritma Genetik. Hasil peramalan dari kedua model kemudian dibandingkan dan model terbaik ditentukan dari nilai Mean square Error (MSE) yang terkecil. dari hasil peramalan dengan model ARIMA diperoleh MSE sebesar 1.0125, sedangkan pada model NN-GA diperoleh MSE sebesar 0.9196. Nilai tersebut, menunjukkan bahwa model NN-GA lebih baik dari model ARIMA untuk peramalan rata-rata kekuatan gempa bumi beberapa bulan ke depan