Resilient Backpropagation Neural Network on Prediction of Poverty Levels in South Sulawesi

Abstract

Poverty is a topic that continues and is always discussed up to this time, as a benchmark indicator of how the level of welfare and prosperity in the lives of people in a country. Several attempts have been made by the central and regional governments to reduce poverty levels, including “Bantuan Langsung Tunai” (BLT) and the “Program Keluarga Harapan” (PKH). However, poverty reduction in Indonesia is still slowing down, including in South Sulawesi. Based on this, this study aims to predict poverty levels in South Sulawesi. Factors thought to influence poverty levels are the Human Development Index (HDI), the Open Unemployment Rate (TPT), and the Gross Regional Domestic Product (GRDP). The data used are data from 2010 to 2014. The method used is a backpropagation neural network with a resilient algorithm or better known as a resilient backpropagation neural network (RBNN). The results of the prediction of poverty levels using predictors of HDI, TPT, and GRDP showed that the analysis of the RBNN reached its optimum using architecture [3- 9 - 1] and reached convergence at the 81th iteration with an accuracy rate of 95.34%.

Prediksi Harga Minyak Mentah Menggunakan Jaringan Syaraf Tiruan

“…Penggunaan Jaringan Syaraf Tiruan untuk memprediksi jumlah penduduk kedepannya sehingga pemerintah dapat merancang dan melakukan pengendalian jumlah penduduk dengan menggunakan program Keluarga Berencana (KB) aktif jalur pemerintah yang menggunakan Algoritma Backpropagation dengan menggunakan Arsitektur input,hidden, dan output [11]. Untuk memprediksi tingkat kemiskinan di Sulawesi Selatan dengan menggunakan Artificial Neural Network dengan Algoritma Resilent berdasarkan pola input,hidden dan output [12]. Sedangkan untuk memprediksi curah hujan setiap bulannya yang menggunakan metode Backpropagation dengan teknik Software Development Life Cycle (SDLC) Waterfall [13].…”

Egarch Model Prediction for Sale Stock Price

“…Stock price prediction is a process of analyzing the price of a stock and also determining the price of a stock in the future (Prakoso, 2019). Stock prices can be used as investments that are quite valuable, but not always the investments made can provide benefits (Poerwanto and Fajriani, 2020). To avoid this, it is necessary to predict stock prices.…”

Model Peramalan Artificial Neural Network pada Peserta KB Aktif Jalur Pemerintahan menggunakan Artificial Neural Network Back-Propagation

“…Banyak metode terkait jaringan saraf tiruan yang dapat diimplementasikan kedalam prediksi [6]. Salah satu teknik yang digunakan adalah jaringan saraf tiruan (JST) 7 yang dapat menghasilkan hasil yang lebih baik melalui serangkaian pelatihan [8], [9]. Selain itu metode JST juga sangat baik digunakan pada data deret waktu yang bersifat tidak linear (nonlinear) yang mana ini tidak dapat diatasi oleh metode statistik [10].…”

“…Adapun parameter yang digunakan adalah nilai input layer adalah 3, hidden layer adalah 12, dan output adalah 1, learning rate adalah 0.5, momentum adalah 0.9 dan SSE sebesar 0.302868. Kemudian peneltian tentang Back-propagation juga dilakukan [9] tentang prediksi tingkat kemiskinan di sulawesi. Hasil penelitian menyebutkan bahwa metode tersebut dapat diimplementasikan dengan hasil analisa mencapai tingkat akurasi 95 persen dengan model arsitektur [3,9,1] dan mencapai konvergensi pada iterasi ke-81.…”

“…Kemudian peneltian tentang Back-propagation juga dilakukan [9] tentang prediksi tingkat kemiskinan di sulawesi. Hasil penelitian menyebutkan bahwa metode tersebut dapat diimplementasikan dengan hasil analisa mencapai tingkat akurasi 95 persen dengan model arsitektur [3,9,1] dan mencapai konvergensi pada iterasi ke-81. Berdasarkan kelebihan metode tersebut diharapkan tujuan penelitian yakni untuk menganalisa dan mengimplemetasikan metode Back-propagation dalam memprediksi peserta KB aktif jalur pemerintahan dapat diterapkan sehingga hasil dari penelitian dapat menghasilkan sebuah model prediksi tentang peserta KB aktif terutama pada jalur pemerintahan yang diharapkan dapat menjadi masukan kepada pihak pemerintah untuk memfasilitasi ketersediaan alat-alat kontrasepsi di fasilitas kesehatan pemerintah sehingga dapat menekan angka kependudukan, mencegah kehamilan tak diinginkan, menjarangkan jarak kelahiran mengurangi risiko kematian bayi serta aspek lainnya yang memiliki keterkaitan dengan kependudukan di Indonesia.…”