Penelitian dengan judul “Pemodelan Wavelet Neural Network dengan Algoritma Genetika” dilakukan oleh Budi Warsito dibawah bimbingan Prof. Drs. Subanar, Ph.D., dan Dr. Abdurakhman, M.Si., pada tahun 2017.
Berikut ini merupakan intisari dari penelitian tersebut.
INTISARI
Neural Network (NN) merupakan salah satu model nonlinear yang banyak dikembangkan dalam pemodelan statistika terutama pada analisis data time series. Banyak penelitian yang telah dilakukan menunjukkan keunggulan model ini dibandingkan model-model yang lain. Namun demikian masih terdapat beberapa permasalahan dalam pemodelan NN untuk time series, diantaranya adalah penanganan pre processing data input, inkonsistensi hasil estimasi serta pemilihan arsitektur jaringan optimal. Untuk penanganan permasalahan pre processing data input dilakukan melalui pemisahan data berdasarkan komponen asli dan noise menggunakan dekomposisi wavelet. Koefisien wavelet hasil dekomposisi ini yang selanjutnya menjadi input bagi model NN. Transformasi wavelet yang digunakan untuk data time series adalah Maximal Overlap Discrete Wavelet Transform (MODWT) karena dalam setiap level dekomposisi terdapat koefisien wavelet dan skala sebanyak panjang data. Kelebihan ini mereduksi kelemahan pemfilteran dengan Discrete Wavelet Transform (DWT) yang tidak dapat dilakukan pada sebarang ukuran sampel. Permasalahan yang kemudian muncul adalah bagaimana menentukan level dekomposisi dan banyak koefisien pada setiap level. Pada penelitian ini kriteria Maximal Relevance Minimum Redundancy (mRMR) diterapkan pada transformasi MODWT untuk mendapatkan input optimal. Kriteria yang didasarkan pada nilai Mutual Information (MI) ini dipilih karena selain nilainya yang didasarkan pada relevansi antara variabel input dengan nilai target juga mempertimbangkan redundansi antar variabel input itu sendiri.
