Model Peramalan Artificial Neural Network pada Peserta KB Aktif Jalur Pemerintahan menggunakan Artificial Neural Network Back-Propagation
DOI:
https://doi.org/10.30812/matrik.v21i1.1273Keywords:
Back-Propagation, Prediction, Active Family Planning Participant, Architecture, Matlab SoftwareAbstract
Pertumbuhan penduduk di Indonesia yang terus meningkat setiap tahunnya dan tidak disertai dengan ketersediaan lapangan pekerjaan yang mampu menampung seluruh angkatan kerja bisa menimbulkan pengangguran, kriminalitas, yang bersinggungan pula dengan rusaknya moralitas masyarakat. Oleh karena pemerintah memberikan serangkaian usaha untuk menekan laju pertumbuhan penduduk agar tidak terjadi ledakan penduduk yang lebih besar. Salah satu cara yang dilakukan adalah dengan menggalakkan program KB (Keluarga Berencana). Tujuan dari penelitian untuk membuat model prediksi dengan memanfaatkan Artificial Neural Network (ANN) pada peserta KB aktif jalur pemerintahan untuk melihat laju pertumbuhan penduduk kedepannya dalam rentang waktu tertentu guna mempermudah pemerintah dalam membuat rancangan perencanaan ke depannya. Back-propagation merupakan salah satu metode yang digunakan untuk melakukan peramalan yang merupakan bagian dari ANN. Hal ini perlu dilakukan mengingat jumlah kepadatan penduduk terus meningkat setiap tahunnya dan KB merupakan salah satu program pemerintah yang bertujuan mengendalikan laju kenaikan penduduk di Indonesia. Dataset yang digunakan yakni peserta KB aktif di Kota Pematangsiantar bulan agustus 2019 – januari 2020. Pengujian dilakuan dengan bantuan software matlab dengan menguji 5 model arsitektur (try error) yakni model 4-5-1; model 4-7-1; model 4-8-5-1; dan model 4-9-7-1. Hasil analisis diperoleh bahwa model arsitektur 4-8-5-1 merupakan yang terbaik dan dijadikan acuan untuk meramalkan peserta KB aktif pada jalur pemerintah dengan tingkat akurasi sebesar 71% (terbaik dari 4 model arsitektur lainnya). Model ANN tersebut dapat diimpementasikan untuk melakukan prediksi terhadap peserta KB aktif jalur pemerintahan sehingga pemerintah dapat melakukan rancangan untuk kedepannya.
Downloads
References
[2] D. S. Seruni, M. T. Furqon, and R. C. Wihandika, “Sistem Prediksi Pertumbuhan Jumlah Penduduk Kota Malang menggunakan Metode K-Nearest Neighbor Regression,†Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 4, no. 4, pp. 1075–1082, 2020.
[3] S. Sunardi, A. Yudhana, and G. Z. Muflih, “Sistem Prediksi Curah Hujan Bulanan Menggunakan Jaringan Saraf Tiruan Backpropagation,†Jurnal Sistem Informasi Bisnis, vol. 10, no. 2, pp. 155–162, 2020.
[4] P. Indrayati Sijabat, Y. Yuhandri, G. Widi Nurcahyo, and A. Sindar, “Algoritma Backpropagation Prediksi Harga Komoditi terhadap Karakteristik Konsumen Produk Kopi Lokal Nasional,†Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, vol. 11, no. 1, pp. 96–107, 2020.
[5] Y. A. Lesnussa, C. G. Mustamu, F. Kondo Lembang, and M. W. Talakua, “Application of Backpropagation Neural Networks in Predicting Rainfall Data in Ambon City,†International Journal of Artificial Intelligence Research, vol. 2, no. 2, 2018.
[6] A. P. Windarto, M. R. Lubis, and S. Solikhun, “Implementasi JST pada Prediksi Total Laba Rugi Komprehensif Bank Umum dan Konvensional dengan Backpropagation,†Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 4, p. 411, 2018.
[7] I. A. R. Simbolon, F. Yatussa’ada, and A. Wanto, “Penerapan Algoritma Backpropagation dalam Memprediksi Persentase Penduduk Buta Huruf di Indonesia,†Jurnal Informatika Upgris, vol. 4, no. 2, 2019.
[8] Y. Aprizal, R. I. Zainal, and A. Afriyudi, “Perbandingan Metode Backpropagation dan Learning Vector Quantization (LVQ) Dalam Menggali Potensi Mahasiswa Baru di STMIK PalComTech,†MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 18, no. 2, pp. 294–301, 2019.
[9] B. Poerwanto and F. Fajriani, “Resilient Backpropagation Neural Network on Prediction of Poverty Levels in South Sulawesi,†MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 20, no. 1, pp. 11–18, 2020.
[10] Budiharjo, T. Soemartono, A. P. Windarto, and T. Herawan, “Predicting School Participation in Indonesia using Back-Propagation Algorithm Model,†International Journal of Control and Automation, vol. 11, no. 11, pp. 57–68, 2018.
[11] W. Saputra, A. P. Windarto, and A. Wanto, “Analysis of the Resilient Method in Training and Accuracy in the Backpropagation Method,†The IJICS (International Journal of Informatics and Computer Science), vol. 5, no. 1, pp. 52–56, 2021.
[12] A. Perdana, S. Defit, and A. Wanto, “Optimalisasi Parameter dengan Cross Validation dan Neural Back-propagation Pada Model Prediksi Pertumbuhan Industri Mikro dan Kecil,†Jurnal Sistem Informasi Bisnis, vol. 01, no. 11, pp. 34–42, 2021.
[13] S. Pohan, B. Warsito, and S. Suryono, “Backpropagation artificial neural network for prediction plant seedling growth,†Journal of Physics: Conference Series, vol. 1524, no. 1, 2020.
[14] N. Nikentari, H. Kurniawan, N. Ritha, D. Kurniawan, U. Maritim, and R. Ali, “Particle Swarm Optimization Untuk Prediksi Pasang Surut Air Optimization of Backpropagation Artificial Neural Network With Particle Swarm Optimization To Predict Tide Level,†Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 5, pp. 605–612, 2018.
[15] H. Haviluddin, Z. Arifin, A. H. Kridalaksana, and D. Cahyadi, “Prediksi Kedatangan Turis Asing ke Indonesia Menggunakan Backpropagation Neural Networks,†Jurnal Teknologi dan Sistem Komputer, vol. 4, no. 4, p. 485, 2016.
[16] R. Ruslan, L. Laome, I. Usman, and E. W. Harisa, “Electricity Consumption Modelling in Kendari using the Backpropagation Method on the Artificial Neural Network,†Journal of Physics: Conference Series, vol. 1863, no. 1, 2021.
[17] P. Li and Q. Zhang, “Face Recognition Algorithm Comparison based on Backpropagation Neural Network,†Journal of Physics: Conference Series, vol. 1865, no. 4, 2021.
Downloads
Published
Issue
Section
How to Cite
Similar Articles
- Tjut Awaliyah Zuraiyah, Sufiatul Maryana, Asep Kohar, Automatic Door Access Model Based on Face Recognition using Convolutional Neural Network , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 1 (2022)
- Vivin Nur Aziza, Utami Dyah Syafitri, Anwar Fitrianto, Optimizing Currency Circulation Forecasts in Indonesia: A Hybrid Prophet- Long Short Term Memory Model with Hyperparameter Tuning , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 1 (2024)
- Yuniar Farida, Adam Fahmi Khariri, Dian Yuliati, Hani Khaulasari, Clustering Couples of Childbearing Age to Get Family Planning Counseling Using K-Means Method , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 1 (2022)
- Dadang Priyanto, Bambang Krismono Triwijoyo, Deny Jollyta, Hairani Hairani, Ni Gusti Ayu Dasriani, Data Mining Earthquake Prediction with Multivariate Adaptive Regression Splines and Peak Ground Acceleration , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 3 (2023)
- Bobby Poerwanto, Fajriani Fajriani, Resilient Backpropagation Neural Network on Prediction of Poverty Levels in South Sulawesi , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 1 (2020)
- M Safii, Rika Setiana, Population Prediction Using Multiple Regression and Geometry Models Based on Demographic Data , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 1 (2024)
- Jaka Tirta Samudra, Rika Rosnelly, Zakarias Situmorang, Comparative Analysis of SVM and Perceptron Algorithms in Classification of Work Programs , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Romi Choirudin, Ahmat Adil, Implementasi Rest Api Web Service dalam Membangun Aplikasi Multiplatform untuk Usaha Jasa , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 18 No. 2 (2019)
- Arief Hermawan, Adityo Permana Wibowo, Akmal Setiawan Wijaya, The Improvement of Artificial Neural Network Accuracy Using Principle Component Analysis Approach , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 1 (2022)
- Soleh Ardiansyah, Adani Setiorini, Lovinta Happy Atrinawati, Tegar Palyus Fiqar, Perancangan Arsitektur Sistem dan Teknologi Informasi Menggunakan Togaf ADM (Studi Kasus Dinas Perhubungan Kota Balikpapan) , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 1 (2019)
You may also start an advanced similarity search for this article.
.png)
