Aplikasi Jaringan Syaraf Tiruan Backpropagation Untuk Meramalkan Tingkat Pengangguran Terbuka (TPT) Di Provinsi Maluku

Authors

  • Yopi Andry Lesnussa Department of Mathematics, Faculty of Mathematics and Natural Sciences, Universitas Pattimura Ambon http://orcid.org/0000-0002-8729-3437
  • Endro Risamasu Department of Mathematics, Faculty of Mathematics and Natural Sciences, Universitas Pattimura Ambon

DOI:

https://doi.org/10.31851/sainmatika.v17i2.3434

Keywords:

Backpropagtion, jaringan saraf tiruan, tingkat pengangguran terbuka

Abstract

Pengangguran terbuka (Open Unemployment) adalah penduduk usia kerja yang tidak mempunyai pekerjaan apapun, yang secara aktif mencari pekerjaan. Backpropagation adalah salah satu algoritma pada jaringan syaraf tiruan (JST) yang digunakan untuk meramalkan atau prediksi data. Dalam penelitian ini akan diramalkan Tingkat Pengangguran Terbuka (TPT) di Provinsi Maluku. Berdasarkan hasil analisis pelatihan  diperoleh rata-rata keberhasilan permalan  sebesar 92.59%  dengan error terkecil yaitu MAPE = 0.0741%. Hasil peramalan 5 tahun ke depan menunjukan data fluktuatif dari tahun 2019 (9.5134) sampai tahun 2023 (9.7924).

References

Awan, Jehangir Ashraf and Onaiza Maqbool. 2010. “Application of Artificial Neural Networks for Monsoon Rainfall Prediction.†in Proceedings - 2010 6th International Conference on Emerging Technologies, ICET 2010.

BPS. 2018. “Tingkat Pengangguran Terbuka.†Https://Www.Bps.Go.Id.

Fausett, Laurene. 2017. Fundamentals Of Neural Network Architectures, Algorithms, and Applications.

Harfina S, Dewi. 2009. “Faktor-Faktor Yang Mempengaruhi Pengangguran Terselubung Di Perdesaan Jawa Tengah, Analisis Data Sakernas 2007.†Jurnal Kependudukan Indonesia.

Hopfield, J. J. 1982. “Neural Networks and Physical Systems with Emergent Collective Computational Abilities.†Proceedings of the National Academy of Sciences of the United States of America.

Lesnussa, Yopi A., S. Latuconsina, and E. R. Persulessy. 2015. “Aplikasi Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Prestasi Siswa SMA (Studi Kasus: Prediksi Prestasi Siswa SMAN 4 Ambon).†Jurnal Matematika Integratif.

Lesnussa, Yopi Andry, C. G. Mustamu, F. Kondo Lembang, and M. W. Talakua. 2018. “Application Of Backpropagation Neural Networks In Predicting Rainfall Data In Ambon City.†International Journal of Artificial Intelligence Research.

McCulloch, Warren S. and Walter Pitts. 1943. “A Logical Calculus of the Ideas Immanent in Nervous Activity.†The Bulletin of Mathematical Biophysics.

Nasution, Darnisa Azzahra, Hidayah Husnul Khotimah, and Nurul Chamidah. 2019. “Perbandingan Normalisasi Data Untuk Klasifikasi Wine Menggunakan Algoritma K-NN.†Computer Engineering, Science and System Journal.

Puspitaningrum, Diyah. 2004. “Pengantar Jaringan Syaraf Tiruan.†Jurnal Transformatika.

Puspitorini, Sukma. 2017. “Penyelesaian Masalah Traveling Salesman Problem Dengan Jaringan Saraf Self Organizing.†Media Informatika.

Rumelhart, David E., Geoffrey E. Hinton, and Ronald J. Williams. 1986. “Learning Representations by Back-Propagating Errors.†Nature.

Smith, Jason and Robert N. Eli. 1995. “Neural-Network Models of Rainfall-Runoff Process.†Journal of Water Resources Planning and Management.

Sukirno, Sadono. 2003. Pengantar Teori Mikroekonomi.

Vasudevan, Bintu G., Bhawani S. Gohil, and Vijay K. Agarwal. 2004. “Backpropagation Neural-Network-Based Retrieval of Atmospheric Water Vapor and Cloud Liquid Water from IRS-P4 MSMR.†IEEE Transactions on Geoscience and Remote Sensing.

Downloads

Published

2020-12-10