MODEL JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI PENDAPATAN PERKAPITA MASYARAKAT PERKOTAAN PADA GARIS KEMISKINAN BERDASARKAN PROPINSI

Solikhun Solikhun, Ahmad Revi, Syahrul Ramadan, Rina Novita Sari

Abstract


The problem of poverty is one of the fundamental issues that becomes the center of attention of the Government in any country. In an effort to realize the provisions as stipulated in Article 28A of the 1945 Constitution of the State of the Republic of Indonesia which affirms that every person has the right to live and has the right to maintain his life and life, the GOI has established a poverty reduction program as a priority program. The primary target of poverty is mostly in urban areas, because the large number of residents who do transmigration to improve the economy but failed to get results. This study contributes to the government to predict the per capita opinion of urban communities according to the poverty line based on the province in the future. The data used is data from the National Statistics Agency through the website www.bps.go.id. The data is data on per capita income of urban communities on poverty line by province in 2013 semester 2 until 2016 semester 2. Algorithm used in this research is Artificial Neural Network with Backpropogation method. The input variables are data of year 2014 semester (X1), data of 2014 semester 1 (X2), data of 2014 semester 2 (X3), data of 2015 semester 1 (X4), data of 2015 semester 2 ( X5) and data of 2016 semester 1 (X6) with architectural model of training and testing as much as 4 architecture that is 6-2-1, 6-6-1, 6-3-2-1 and 6-2-3-1. The output generated is the best pattern of the ANN architecture. The best architectural model is 6-3-2-1 with epoch 1190, MSE 0,0102524619 and 100% accuracy rate. From this model, the prediction of per capita income of urban community on the poverty line is based on the provinces of each province in Indonesia.

Keywords: Income Per Capita, ANN, Backpropogation and Prediction

Masalah kemiskinan merupakan salah satu persoalan mendasar yang menjadi pusat perhatian Pemerintah di negara manapun. Dalam Upaya mewujudkan ketentuan sebagaimana ditetapkan Pasal 28A Undang-Undang Dasar Negara Republik Indonesia Tahun 1945 yang menegaskan bahwa setiap orang berhak untuk hidup serta berhak mempertahankan hidup dan kehidupannya, maka Pemerintah Indonesia telah menetapkan program penanggulangan kemiskinan sebagai program prioritas. Sasaran primer kemiskinan mayoritas lebih banyak terdapat di perkotaan, sebab banyaknya para penduduk yang melakukan transmigrasi guna memperbaiki perekonomian namun malah gagal mendapatkan hasil. Penelitian ini memberikan kontribusi bagi pemerintah untuk dapat memprediksi pendapat perkapita masyarakat perkotaan menurut garis kemiskinan berdasarkan propinsi ke depan. Data yang digunakan adalah data dari Badan Statistik Nasional melalui website www.bps.go.id. Data tersebut adalah data pendapatan perkapita masyarakat perkotaan pada garis kemiskinan berdasarkan propinsi tahun 2013 semster 2 sampai dengan tahun 2016 semester 2. Algoritma yang digunakan pada penelitian ini adalah Jaringan Saraf Tiruan dengan metode Backpropogation. Variabel masukan (input) yang digunakan adalah data tahun 2013 semester 2(X1), data tahun 2014 semester 1(X2), data tahun 2014 semester 2(X3), data tahun 2015 semester 1(X4), data tahun 2015 semester 2(X5) dan data tahun 2016 semester 1(X6) dengan model arsitektur pelatihan dan pengujian sebanyak 4 arsitektur yakni 6-2-1, 6-6-1, 6-3-2-1 dan 6-2-3-1. Data target diambil dari data tahun 2016 semster 2. Keluaran yang dihasilkan adalah pola terbaik dari arsitektur JST. Model arsitektur terbaik adalah 6-3-2-1 dengan epoch 1190, MSE 0,0102524619 dan tingkat akurasi 100%. Dari model ini maka dihasilkan prediksi pendapatan perkapita masyarakat perkotaan pada garis kemisikinan berdasarkan propinsi dari masing-masing propinsi di Indonesia.

Kata Kunci: Pendapata Perkapita, JST, Backpropogation dan Prediksi


Full Text:

PDF

References


M. Solikhun, Agus Perdana Windarto, Handrizal and Fauzan, “Jaringan Saraf Tiruan Dalam Memprediksi Sukuk Negara Ritel Berdasarkan Kelompok Profesi Dengan Backpropagation Dalam Mendorong Laju Pertumbuhan Ekonomi,” pp. 14–31, 2017.

A. T. Solikhun, M. Safii, “Jaringan Saraf Tiruan Untuk Memprediksi Tingkat Pemahaman Siswa Terhadap Matapelajaran Dengan Menggunakan Algoritma Backpropagation,” no. 1, pp. 24–36, 2017.

Z. A. Matondang, “Jaringan Syaraf Tiruan Dengan Algoritma Backpropagation Untuk Penentuan Kelulusan Sidang Skripsi,” Pelita Inform. Budi Darma, vol. IV, no. 1, pp. 84–93, 2013.

A. Jumarwanto, “Aplikasi Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Penyakit THT Di Rumah Sakik Mardi Rahayu Kudus,” J. Tek. Elektro, vol. 1, no. 1, pp. 11–21, 2009.

D. O. (Faculty of I. E.-G. U. Maru’ao, “Neural Network Implementation in Foreign Exchange Kurs Prediction,” 2010.

A. P. Windarto, P. Studi, and S. Informasi, “Implementasi JST Dalam Menentukan Kelayakan Nasabah Pinjaman KUR Pada Bank Mandiri Mikro Serbelawan Dengan Metode Backpropagation,” no. 1, pp. 12–23, 2017.




DOI: http://dx.doi.org/10.20527/klik.v5i2.136

Copyright (c) 2018 KLIK - KUMPULAN JURNAL ILMU KOMPUTER

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Terindeks Oleh :

  
 

 

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.joomla
counter View My Stats