Rough approximation based neuro fuzzy inference system: a novel approach to approximation and error estimation

2005 ◽  
Author(s):  
S. Chandana ◽  
R.V. Mayorga
Keyword(s):  
Error Estimation ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System ◽  
System A ◽  
Novel Approach ◽  
Neuro Fuzzy ◽  
Rough Approximation

scholarly journals ANFIS: Adaptive Neuro-Fuzzy Inference System- A Survey

2015 ◽  
Vol 123 (13) ◽  
pp. 32-38 ◽  
Author(s):  
Navneet Walia ◽  
Harsukhpreet Singh ◽  
Anurag Sharma
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System ◽  
System A ◽  
Neuro Fuzzy

scholarly journals Security Risk Assessment of Healthcare Web Application Through Adaptive Neuro-Fuzzy Inference System: A Design Perspective

2020 ◽  
Vol Volume 13 ◽  
pp. 355-371
Author(s):  
Jasleen Kaur ◽  
Asif Irshad Khan ◽  
Yoosef B Abushark ◽  
Md Mottahir Alam ◽  
Suhel Ahmad Khan ◽  
...  
Keyword(s):  
Risk Assessment ◽  
Fuzzy Inference System ◽  
Web Application ◽  
Fuzzy Inference ◽  
Security Risk ◽  
Inference System ◽  
System A ◽  
Neuro Fuzzy ◽  
Design Perspective ◽  
Security Risk Assessment

Aplikasi Peramalan Kebutuhan Beban Listrik Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS)

2017 ◽  
Vol 3 (1) ◽  
pp. 36-48
Author(s):  
Erwan Ahmad Ardiansyah ◽  
Rina Mardiati ◽  
Afaf Fadhil
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System ◽  
Neuro Fuzzy

Prakiraan atau peramalan beban listrik dibutuhkan dalam menentukan jumlah listrik yang dihasilkan. Ini menentukan  agar tidak terjadi beban berlebih yang menyebabkan pemborosan atau kekurangan beban listrik yang mengakibatkan krisis listrik di konsumen. Oleh karena itu di butuhkan prakiraan atau peramalan yang tepat untuk menghasilkan energi listrik. Teknologi softcomputing dapat digunakan  sebagai metode alternatif untuk prediksi beban litrik jangka pendek salah satunya dengan metode  Adaptive Neuro Fuzzy Inference System pada penelitian tugas akhir ini. Data yang di dapat untuk mendukung penelitian ini adalah data dari APD PLN JAWA BARAT yang berisikan laporan data beban puncak bulanan penyulang area gardu induk majalaya dari januari 2011 sampai desember 2014 sebagai data acuan dan data aktual januari-desember 2015. Data kemudian dilatih menggunakan metode ANFIS pada software MATLAB versi b2010. Dari data hasil pelatihan data ANFIS kemudian dilakukan perbandingan dengan data aktual dan data metode regresi meliputi perbandingan anfis-aktual, regresi-aktual dan perbandingan anfis-regresi-aktual. Dari perbandingan disimpulkan bahwa data metode anfis lebih mendekati data aktual dengan rata-rata 1,4%, menunjukan prediksi ANFIS dapat menjadi referensi untuk peramalan beban listrik dimasa depan.

Sign in / Sign up

Export Citation Format

Share Document