Prediksi Jumlah Penduduk Miskin Di Sumatera Utara Dengan Metode Jaringan Syaraf Tiruan Backpropagation

Septi Purbowati, Sajaratud Dur, Rina Widyasari

Abstract


Abstract:  A artificial neural network is an information processing system that is inspired by the biological nervous system, such as the performance of the brain that processes information. In the 2017-2020 period the data on the number of poor people in North Sumatra used were secondary data obtained from the Central Statistics Agency. There are prediction results for the number of poor people in North Sumatra, namely 77,927 people in 2022 consisting of 25 districts, where the data is divided into two parts, namely 5 test data and 20 training data. Artificial neural networks with the Backpropagation method are able to determine or predict the number of poor people in North Sumatra.

Abstrak: Jaringan syaraf tiruan adalah sebuah pengolahan informasi yang terinspirasi dari system kerja syaraf biologis, seperti kinerja otak yang memproses suatu informasi. Pada periode 2017-2020 data jumlah penduduk miskin di Sumatera Utara yang digunakan adalah data skunder yang diperoleh dari Badan Pusat Statistik Sumatera Utara Medan. Terdapat hasil prediksi jumlah penduduk miskin di Sumatera Utara adalah 77. 927 jiwa pada tahun 2022 yang terdiri dari 25 kabupaten, dimana data tersebut terbagi menjadi dua bagian yaitu 5 data uji dan 20 data latih. Jaringan syaraf tiruan dengan metode Backpropagation mampu menentukan atau memprediksi jumlah penduduk miskin di Sumatera Utara.


Keywords


Predicted Artificial Neural Network Number of Poor People Backprogation

Full Text:

PDF

References


Ashshiddiqi, A. J. R., Indriati, & Sutrisno. (2018). Implementasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Jumlah Penduduk Miskin di Indonesia dengan Optimasi Algoritme Genetika. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 2(11), 4638–4646.

Mubarokh, M. F., Nasir, M., & Komalasari, D. (2020). Jaringan Syaraf Tiruan Untuk Memprediksi Penjualan Pakaian Menggunakan Algoritma Backpropagation. Journal of Computer and Information Systems Ampera, 1(1), 29–43. https://doi.org/10.51519/journalcisa.v1i1.3

Murdiyana, M., & Mulyana, M. (2017). Analisis Kebijakan Pengentasan Kemiskinan Di Indonesia. Jurnal Politik Pemerintahan Dharma Praja, 10(1), 73–96. https://doi.org/10.33701/jppdp.v10i1.384

nasution, s z. (2019). Prediksi Jumlah Mahasiswa Prodi Matematika Fakultas Sains Dan Teknologi Uin Sumatera Utara Medan Dengan 3. Backpropagation. http://repository.uinsu.ac.id/id/eprint/11296

Syaharuddin, Pujiana, E., Sari, I. P., Mardika, V. M., & Putri, M. (2020). Analisis Algoritma Back Propagation Dalam Prediksi Angka Kemiskinan Di Indonesia. J. Pendidik. Berkarakter, 3(1), 11–17. http://journal.ummat.ac.id/index.php/pendekar/article/view/2814

Syahril, Affandi, Risma, O. R., Juliansyah, R., & Noviar, H. (2019). Analisis Keseimbangan Ekspor Dan Impor Crude Palm Oil (Cpo) Indonesia. Journal of Economics Science, 4(2), 249–264. https://doi.org/https://doi.org/10.24815/jped.v4i2.13021




DOI: https://doi.org/10.31764/justek.v6i4.20091

Refbacks

  • There are currently no refbacks.


JUSTEK Official: