dilatasi (penskalaan) dengan cara mendekomposisikan data. Sehingga wavelet mampu
menyederhanakan dan mengurangi noise tanpa memperlihatkan penurunan mutu data.
Peran dari wavelet pada prediksi data time series yaitu untuk mendekomposisi data
sebelum diinputkan pada RNN, setelah proses RNN data direkonstruksi untuk
mendapatkan hasil estimasi yang optimal. Untuk mengetahui hasil yang mendekati
nilai sebenarnya diukur dengan menggunakan MSE terkecil. Dari keunggulan model
Wavelet dan RNN tersebut, maka kedua model digabungkan untuk mendapatkan
hasil prediksi/estimasi yang optimal pada data time series dengan menggunakan tiga
keluarga wavelet yaitu wavelet Haar, db2, dan db4 dan algoritma training yang
digunakan pada RNN adalah Real time recurrent learning yang kemudian disebut