Penerapan Metode Jaringan Syaraf Tiruan Backpropagation untuk Prediksi Tingkat Kemiskinan di Provinsi Jawa Tengah
DOI:
https://doi.org/10.25126/jtiik.2022934806Abstrak
Kemiskinan merupakan permasalahan yang semestinya dipandang sebagai suatu masalah sosial yang kompleks (multidimensional). Berdasarkan data dari Badan Pusat Statistik, presentase kemiskinan nasional pada Maret 2019 sebesar 9,41 persen. Sementara, Provinsi Jawa Tengah memiliki tingkat kemiskinan lebih tinggi dibandingkan dengan tingkat kemiskinan nasional yakni sebesar 10,8 persen. Tingginya tingkat kemiskinan dapat menyebabkan tindak kriminal, tingginya angka pengangguran, kekacauan sosial, politik dan lain sebagainya. Oleh karena itu, penelitian ini bertujuan untuk menganalisis tingkat kemiskinan dengan menentukan model yang tepat yang selanjutnya dapat digunakan untuk melakukan prediksi tingkat kemiskinan menurut kabupaten/kota di Provinsi Jawa Tengah. Penelitian ini menggunakan data yang diperoleh dari Badan Pusat Statistik Provinsi Jawa Tengah dari tahun 2010 sampai dengan 2019 yang terdiri dari data Laju Pertumbuhan Ekonomi, Tingkat Pengangguran Terbuka, Indeks Pembangunan Manusia, dan Tingkat Kemiskinan menurut kabupaten/kota. Metode yang digunakan yaitu Jaringan Syaraf Tiruan Backpropagation. Jaringan Syaraf Tiruan Backpropagation memiliki kinerja yang baik dalam menyelesaikan permasalahan, salah satunya masalah prediksi. Berdasarkan model arsitektur terbaik yang dihasilkan pada penelitian ini, yaitu model arsitektur 3-35-1 dapat dihasilkan tingkat akurasi sebesar 95,2% menggunakan MSE pada proses pengujian menggunakan data pengujian. Sehingga dapat disimpulkan bahwa Jaringan Syaraf Tiruan Backpropagation dengan menerapkan model yang tepat dapat menghasilkan tingkat akurasi yang baik yang selanjutnya dapat digunakan sebagai alternatif untuk melakukan prediksi tingkat kemiskinan menurut kabupaten/kota di Provinsi Jawa Tengah di masa mendatang.
Abstract
Downloads
Referensi
ANDRIANI, Y., SILITONGA, H. and WANTO, A. (2018) ‘Analisis Jaringan Syaraf Tiruan untuk prediksi volume ekspor dan impor migas di Indonesia’, Register: Jurnal Ilmiah Teknologi Sistem Informasi, 4(1), pp. 30–40. doi: 10.26594/register.v4i1.1157.
BADAN PUSAT STATISTIK (2018) ‘Profil Kemiskinan di Indonesia Maret 2019’, pp. 1–8.
BADAN PUSAT STATISTIK KABUPATEN CILACAP (2019) Indikator Pembangunan Daerah Kabupaten Cilacap Tahun 2019.
HARLIANA, H. and KIRONO, S. (2019) ‘Penerapan Learning Vector Quantization Dalam Memprediksi Jumlah Rumah Tangga Miskin’, Jurnal Sains dan Informatika, 5(2), pp. 118–127. doi: 10.34128/jsi.v5i2.192.
IRAWAN, E., ZARLIS, M. and NABABAN, E. B. (2017) ‘Analisis Penambahan Nilai Momentum Pada Prediksi Produktivitas Kelapa Sawit Menggunakan Backpropagation’, Jurnal Nasional Informatika dan Teknologi Jaringan, 1(2), pp. 84–89.
JAYA, H. et al. (2018) Kecerdasan Buatan, Fakultas MIPA Universitas Negeri Makassar.
KAUNANG, F. J. (2018) ‘Penerapan Algoritma J48 Decision Tree Untuk Analisis Tingkat Kemiskinan di Indonesia’, CogITo Smart Journal, 4(2), pp. 348–357. doi: 10.31154/cogito.v4i2.141.348-357.
KURNIAWATI, D. (2018) Prediksi energi listrik dengan metode jaringan syaraf tiruan backpropagation menggunakan matlab untuk kota semarang tahun 2019 – 2024.
MULYANI, A. (2016) ‘Analisis Neural Network Struktur Backpropagation Sebagai Metode Peramalan Pada Perhitungan Tingkat Kemiskinan di Indonesia’, Jurnal Techno Nusa Mandiri, XIII(1), pp. 9–15.
PRAYOGA, A. M. B. (2019) Pengaruh Pertumbuhan Ekonomi, Pengangguran Dan Belanja Pemerintah Terhadap Kemiskinan di Daerah Istimewa Yogyakarta Periode 2003 – 2018. doi: 10.1017/CBO9781107415324.004.
PUGUH BUDRO IRAWAN, M.A, D. H. U. et al. (2016) Official Statistics Sosial - Kependudukan Dasar. 2016th edn. Bogor: IN MEDIA.
PUTRI, S. R. S. (2019) Analisis Pengaruh Jumlah Penduduk, Pengangguran, dan Pengeluaran Pemerintah Terhadap Tingkat Kemiskianan Di Indonesia Tahun 1990-2018. doi: 10.5281/zenodo.1477753.
RAHMAWATI, R., SAFITRI, D. and FAIRUZDHIYA, O. U. (2015) ‘Analisis Spasial Pengaruh Tingkat Pengangguran Terhadap Kemiskinan di Indonesia’, Media Statistika, 8(1), pp. 23–30.
RAHUL, M. et al. (2020) ‘Analisa JST Untuk Memprediksi Pembuatan SIM Menggunakan Metode Algoritma Backpropagation’, Jurnal Media Informatika Budidarma, 4(1), pp. 124–128. doi: 10.30865/mib.v4i1.1742.
SANTOSO, A. and HANSUN, S. (2019) ‘Prediksi IHSG dengan Backpropagation Neural Network’, Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 3(2), pp. 313–318. doi: 10.29207/resti.v3i2.887.
SATRIA, B. (2018) ‘Prediksi Volume Penggunaan Air PDAM Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation’, Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 2(3), pp. 674–684. doi: 10.29207/resti.v2i3.575.
SIHOTANG, B. K. and WANTO, A. (2018) ‘Analisis Jaringan Syaraf Tiruan Dalam Memprediksi Jumlah Tamu Pada Hotel Non Bintang’, Techno.COM, 17(4), pp. 333–346.
WANTO, A. (2018) ‘Penerapan Jaringan Saraf Tiruan Dalam Memprediksi Jumlah Kemiskinan Pada Kabupaten/Kota Di Provinsi Riau’, Klik - Kumpulan Jurnal Ilmu Komputer, 5(1), pp. 61–74. doi: 10.20527/klik.v5i1.129.
WINDARTO, A. P., LUBIS, M. R. and SOLIKHUN, S. (2018) ‘Implementasi JST Pada Prediksi Total Laba Rugi Komprehensif Bank Umum Konvensional Dengan Backpropagation’, Jurnal Teknologi Informasi dan Ilmu Komputer, 5(4), pp. 411–418. doi: 10.25126/jtiik.201854767.
YANTO, M. et al. (2018) ‘Peramalan Penjualan Pada Toko Retail Menggunakan Algoritma Backpropagation Neural Network’, Jurnal Media Informatika Budidarma, 2(3), pp. 110–117. doi: 10.30865/mib.v2i3.811.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
