OPTIMASI BACKPROPAGATION NEURAL NETWORK MENGGUNAKAN METODE ALGORITMA GENETIKA DALAM MEMPREDIKSI JUMLAH PENGANGGURAN
| Main Author: | Resna Dina, 11351206302 |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.uin-suska.ac.id/23604/2/BAB%20V.pdf http://repository.uin-suska.ac.id/23604/3/Resna%20Dina%20%2811351206302%29.pdf http://repository.uin-suska.ac.id/23604/ |
Daftar Isi:
- Pengangguran yang meningkat ditiap tahunnya menjadi masalah yang harus diselesaikan oleh pemerintah. Maka dilakukanlah penelitian yang menerapkan optimasi Backpropagation neural network (BPNN) menggunakan metode algoritma genetika (AG) dalam memprediksi jumlah pengangguran di Provinsi Riau, sehingga bisa menjadi salah satu pertimbangan pemerintah dalam menyediakan lapangan pekerjaan sesuai dengan tenaga kerja yang ada. Metode AG digunakan untuk menentukan nilai learning rate terbaik yang akan digunakan pada pengujian BPNN.Parameter yang digunakan yaitu penduduk menurut kelompok umur dan jenis kelamin, data histiris TPAK (Tingkat Partisipasi Angkatan Kerja), angkatan kerja, tingkat pengangguran terbuka (TPT), penduduk yang bekerja menurut lapangan usaha, PDRB ( Penduduk Domestik Regional Bruto) atas dasar harga konstan 2010 menurut lapangan usaha, data historis penduduk usia 15 tahun keatas status, pendidikan dan jenis pekerjaan, data pengangguran reality dilapangan tahun 2011 sampai dengan 2018.Pada pengujian menggunakan BPNN mendapatkan nilai MSE 0.0138 dengan learning rate 0.3 dan epoch 1500.Sedangkan pengujian menggunakan metode AG-BPNN memiliki nilai MSE 0.00634 dengan Pc 0.2, Pm 0.8 pada generasi ke 100 dan epoch 5000. Diperoleh kesimpulan bahwa AG-BPNN mendapatkan nilai MSE terkecil dibandingkan menggunakan BPNN, sehingga metode algoritma genetika dapat mengoptimasi BPNN dalam memprediksi jumlah penganggurann di Provinsi Riau.