Prediksi Indeks Pembangunan Manusia di Kabupaten Wonosobo Menggunakan Algoritma Backpropagation
DOI:
https://doi.org/10.33633/tc.v22i2.7980Keywords:
Jaringan Saraf Tiruan, Backpropagation, Indeks Pembangunan Manusia, Prediksi.Abstract
Nilai Indeks Pembangunan Manusia (IPM) diperoleh dari beberapa aspek kehidupan yang realitanya tidak sepenuhnya terlaksana. Ketidakmerataan infrastruktur pembangunan merupakan salah satu permasalahan akibat tidak terlaksananya program peningkatan pembangunan manusia, khususnya di Kabupaten Wonosobo. Permasalahan tersebut akan tentu akan memberikan dampak kualitas hidup masyarakat. Pada penelitian ini, pembangunan sistem dengan algortima backpropagation dilakukan untuk memprediksi nilai IPM di Kabupaten Wonosobo guna mempermudah preiksi kualitas manusia di Kabupaten Wonosobo. Percobaan yang dilaakukan yaitu dengan melakukan pelatihan, validasi, dan pengujian data IPM diperoleh dari BPS Kabupaten Wonosobo dengan rasio 80:20. Berdasarkan hasil penelitian, arsitektur 5-12-1 menggunakan LR 0,0001 dan epoch sebanyak 10000 menghasilkan nilai MSE sebesar 2.812623341 fungsi aktivasi sigmoid, arsitektur 5-3-1 menggunakan LR 0,0001 dan epoch sebanyak 10000 menghasilkan nilai MSE sebesar 0.2121786277 pada fungsi aktivasi ReLU, arsitektur 5-6-1 menggunakan LR 0,01 dan epochs 10000 menghasilkan nilai MSE sebesar 2.050127723 fungsi aktivasi TanH, dan arsitektur 5-2-1 menggunakan LR 0,01 dan epoch sebanyak 1000 menghasilkan nilai MSE sebesar 3.040008631. Hasil penelitian menunjukkan bahwa algoritma backpropagation menggunakan fungsi aktivasi TanH menghasilkan akurasi terbaik untuk prediksi nilai IPM di Kabupaten Wonosobo. Hasil penelitian yang dihasilkan diharapkan dapat berguna untuk mengembangkan sistem prediksi yang lebih mutakhir kedepannya.References
Badan Pusat Statistik Indonesia, “Konsep Indeks Pembangunan Manusia (IPM),” 2022. https://www.bps.go.id/subject/26/indeks-pembangunan-manusia.html (accessed Oct. 21, 2022).
BPS, Indeks Pembangunan Manusia Kabupaten Humbang Hasundutan. 2018.
Badan Pusat Statistik Indonesia, Indeks Pembangunan Manusia 2021, 2021st ed. Jakarta: Badan Pusat Statistik, 2022. [Online]. Available:
https://www.bps.go.id/publication/2022/05/11/48b6466dcf14b562df9f17e2/indeks-pembangunan-manusia-2021.html
Badan Pusat Statistik Wonosobo, “Indeks Pembangunan Manusia Kabupaten Wonosobo 2021,” in Badan Pusat Statistik Kabupaten Wonosoobo 33070.2134, 2021st ed., Badan Pusat Statistik Kabupaten Wonosobo, Ed. Wonosobo: Badan Pusat Statistik Kabupaten Wonosobo, 2022, p. 59. [Online]. Available: https://wonosobokab.bps.go.id/publication/2021/12/31/0123a981267e54e084eb73a8/indeks-pembangunan-manusia-kabupaten-wonosobo-2021.html
Badan Pusat Statistik Kabupaten Wonosobo, “Proyeksi Penduduk Wonosobo Menurut Jenis Kelamin Tahun 2010 - 2020,” p. 2022, 2022, [Online]. Available: https://wonosobokab.bps.go.id/statictable/2016/11/28/123/proyeksi-penduduk-wonosobo-menurut-jenis-kelamin-tahun-2010---2020.html
G. Z. M. Sunardi, Anton Yudhana, “Sistem Prediksi Curah Hujan Bulanan Menggunakan Jaringan Saraf Tiruan Backpropagation,” J. Sist. Inf., vol. 02, pp. 155–162, 2020, [Online]. Available: http://ejournal.undip.ac.id/index.php/jsinbis
S. Akbar, E. Noviyanti, U. L. S. Khadijah, and A. Nugraha, “Wisuda Lengger Giyanti Sebagai Daya Tarik Wisata Wisuda Lengger Giyanti As a Tourist Attraction in Wonosobo Regency,” Tornare - J. Sustain. Tour. Res., vol. 1, no. 1, pp. 22–30, 2019, doi: https://doi.org/10.24198/tornare.v1i1.25364.
W. J. Rapaport et al., “What is Artificial Intelligence?,” J. Artif. Gen. Intell., vol. 11, no. 2, pp. 1–100, 2020, doi: 10.2478/jagi-2020-0003.
P. Alkhairi, I. S. Damanik, and A. P. Windarto, “Penerapan Jaringan Saraf Tiruan untuk Mengukur Korelasi Beban Kerja Dosen Terhadap Peningkatan Jumlah Publikasi,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, pp. 581–601, 2019, doi: 10.30645/senaris.v1i0.65.
H. Okprana, M. R. Lubis, and J. T. Hadinata, “Prediksi Kelulusan TOEFL Menggunakan Metode Resilient Backpropagation,” J. Edukasi dan Penelit. Inform., vol. 6, no. 2, p. 275, 2020, doi: 10.26418/jp.v6i2.41224.
E. Siregar, H. Mawengkang, E. B. Nababan, and A. Wanto, “Analysis of Backpropagation Method with Sigmoid Bipolar and Linear Function in Prediction of Population Growth,” J. Phys. Conf. Ser., vol. 1255, no. 1, 2019, doi: 10.1088/1742-6596/1255/1/012023.
D. M. Khoir and E. I. Sela, “Implementasi Jaringan Saraf Tiruan untuk Memprediksi Indeks Pembangunan Manusia di Provinsi Daerah Istimewa Yogyakarta,” pp. 6–7, 2018, [Online]. Available: http://eprints.uty.ac.id/id/eprint/1182
D. Finaliamartha, D. Supriyadi, and G. F. Fitriana, “Penerapan Metode Jaringan Syaraf Tiruan Backpropagation Untuk Memprediksi Tingkat Kemiskinan di Provinsi Jawa Tengah,” J. Teknol. Inf. dan Ilmu Komput., vol. Vol.9, no. No.4, pp. 751–760, 2022, doi: 10.25126/jtiik.202294806.
B. Yanto, Almadison, Hendri, R. Hutagaol, and R. Rahman, “Analisis Optimasi Algoritma Backpropagation Momentum Dalam Memprediksi Jenis Tingkat Kejahatan di Kecamatan Tambusai Utara,” vol. 1, pp. 47–60, 2022, doi: DOI. 10.56313/jictas.v1i1.165.
J. Zeniarja and A. Luthfiarta, “Prediksi Churn Dan Segmentasi Pelanggan Menggunakan Backpropagation Neural Network Berbasis Evolution Strategies,” Techno. Com, vol. 14, no. 1, pp. 49–54, 2015, [Online]. Available: http://publikasi.dinus.ac.id/index.php/technoc/article/view/706
I. S. Purba and A. Wanto, “Prediksi Jumlah Nilai Impor Sumatera Utara Menurut Negara Asal Menggunakan Algoritma Backpropagation,” Techno.Com, vol. 17, no. 3, pp. 302–311, 2018, doi: 10.33633/tc.v17i3.1769.
W. Utomo, “Prediksi Nilai Ujian Nasional Produktif Sekolah Menengah Kejuruan Menggunakan Metode Neural Network,” Techno.COM, vol. 14, no. 1, pp. 33–41, 2015.
N. L. Br Sitepu, “Jaringan Saraf Tiruan Memprediksi Nilai Pemelajaran Siswa Dengan Metode Backpropagation ( Studi kasus : SMP Negeri 1 Salapian),” J. Inf. Technol., vol. 1, no. 2, pp. 54–58, 2021, doi: 10.32938/jitu.v1i2.1006.
E. Yulihastin, T. W. Hadi, M. R. Abdillah, I. R. Fauziah, and N. S. Ningsih, “Propagation of Convective Systems Associated with Early Morning Precipitation and Different Northerly Background Winds over Western Java,” J. Meteorol. Soc. Japan, vol. 100, no. 1, pp. 99–113, 2022, doi: 10.2151/jmsj.2022-005.
S. Setti and A. Wanto, “Analysis of Backpropagation Algorithm in Predicting the Most Number of Internet Users in the World,” J. Online Inform., vol. 3, no. 2, p. 110, 2019, doi: 10.15575/join.v3i2.205.
Downloads
Published
Issue
Section
License
License Terms
All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:
1. Attribution
Readers and users are free to:
-
Share – Copy and redistribute the material in any medium or format.
-
Adapt – Remix, transform, and build upon the material.
As long as proper credit is given to the original work by citing the author(s) and the journal.
2. Non-Commercial Use
-
The material cannot be used for commercial purposes.
-
Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.
3. Rights of Authors
-
Authors retain copyright and grant Techno.COM Journal the right to publish the article.
-
Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.
4. No Additional Restrictions
-
The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.
5. Disclaimer
-
The journal is not responsible for how the published content is used by third parties.
-
The opinions expressed in the articles are solely those of the authors.
For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/