Implementasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Jumlah Penduduk Miskin di Indonesia dengan Optimasi Algoritme Genetika
Kata Kunci:
jaringan syaraf tiruan, backpropagation, algoritme genetika, time-seriesAbstrak
Kemiskinan merupakan masalah umum yang dihadapi setiap negara, dan Indonesia sebagai salah satunya. Peningkatan penduduk miskin terjadi hampir setiap tahunnya. Menurut Badan Pusat Statistik dengan indikator penduduk yang memiliki pengeluaran perbulan dibawah garis kemiskinan dikategorikan sebagai rakyat kurang mampu. Meningkatnya jumlah penduduk kurang mampu akan memicu terjadinya tindak kriminalitas, situasi tersebut terjadi karena individu tersebut akan melakukan apapun untuk memenuhi kebutuhannya. Dengan memprediksi jumlah penduduk miskin, diharapkan pemerintah ataupun lembaga - lembaga yang terkait dengan topik ini dapat membantu untuk mengurangi jumlah penduduk miskin dan tingkat pengangguran di Indonesia. Jaringan syaraf tiruan backpropagation adalah salah satu metode yang bisa dipakai untuk melakukan prediksi. Pelatihan bobot dan bias pada backpropagation dioptimasi menggunakan algoritme genetika untuk mendapatkan hasil yang lebih optimal. Pada penelitian ini metode jaringan syaraf tiruan backpropagation yang bobot pelatihannya dioptimasi menggunakan algoritme genetika menghasilkan nilai AFER sebesar 8.744579%.