Pelatihan Feedforward Neural Network Menggunakan PSO Untuk Prediksi Jumlah Pengangguran Terbuka Di Indonesia
| Main Author: | Adi, Bayu Septyo |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/854/ |
Daftar Isi:
- Permasalahan pengangguran terbuka merupakan masalah yang dialami oleh banyak negara berkembang di dunia, salah satunya Indonesia. Semakin tinggi tingkat pengangguran terbuka, maka masalah lainnya juga akan muncul, seperti menurunnya daya beli masyarakat sehingga aktifitas ekonomi menurun, kemisikinan dan lain sebagainya. Untuk mengurangi jumlah pengangguran terbuka, pemerintah sebenarnya sudah memiliki program kerja untuk mengurangi jumlahnya. Namun, program kerja tersebut bisa saja tidak dapat berjalan mengingat jumlah pengangguran terbuka di Indonesia setiap tahunnya tidak bisa dipastikan sebelum adanya survei. Jika pemerintah menunggu data hasil survei, tentu pemerintah akan terlalu lama menunggu dikarenakan proses untuk melakukan survei memerlukan waktu yang lama. Ada alternatif yang dapat digunakan untuk mengetahui jumlah pengangguran terbuka di Indonesia, yaitu prediksi. Data hasil prediksi dapat digunakan pemerintah untuk menjalankan program kerja yang dapat direalisasikan sembari menunggu data aktual hasil survei. Di dalam penelitian ini, prediksi menggunakan feedforward neural network yang dilatih menggunakan PSO. Setiap partikel yang ada di dalam PSO mengandung bobot dan bias yang nantinya partikel terbaik selama proses pelatihan akan digunakan saat proses prediksi. Untuk perhitungan bobot inersia, penelitian ini menggunakan Non Linier Decreasing Inertia Weight (NLDIW) di mana cara ini dapat meningkatkan hasil prediksi. Dari hasil pengujian, jumlah neuron pada lapisan masukan 4, jumlah neuron pada lapisan tersembunyi 5, jumlah partikel 30, jumlah iterasi 100, nilai ωmax 0.9, nilai ωmin 0.4, jumlah data latih 32 dan jumlah data uji 9 menghasilkan nilai rata-rata AFER sebesar 2.71399% sehingga dapat disimpulkan bahwa feedforward neural network yang dilatih dengan PSO dapat menghasilkan prediksi dengan nilai kesalahan yang cukup kecil dan waktu pelatihan yang cepat.