PREDIKSI PENCARI KERJA DIKOTA SEMARANG
MENGGUNAKAN NEURAL NETWORK BACKPROPAGATION
Total View This Week0
Total View This Week0
Institusion
Universitas PGRI Semarang
Author
RAHAYU, ANITA
Subject
L Education (General)
Datestamp
2024-11-18 07:45:47
Abstract :
Teknik pemecahan masalah untuk memprediksi diantaranya Jaringan Syaraf Tiruan (Neural Network). Metode Neural Network Backpropagation terinspirasi dari cara kerja otak manusia dalam memecahkan suatu masalah yaitu adanya hubungan antara suatu sel dan sel lainnya. Metode ini digunakan karena memiliki tingkat akurasi prediksi yang tinggi dan cara kerja yang sederhana yaitu menyesuaikan bobot agar mencapai target. Oleh sebab itu peneliti menggunakan metode Neural Network Backpropagation. Metode neural network backpropagation memiliki 3 fase yaitu fase propagasi maju, fase propagasi mundur dan perubahan bobot. Fase propagasi maju adalah fase dimana sistem menghasilkan output dari penjumlahan input dan bobot, fase Propagasi mundur yaitu fase dimana sistem menentukan banyaknya error pada output dan fase terakhir perubahan bobot dimana sistem menentukan jumlah bobot yang akan digunakan pada iterasi seelanjutnya dengan tujuan meminimalisir nilai error pada output. Penelitian ini bertujuan untuk menerapkan metode Neural Network Backpropagation dalam memprediksi jumlah pencari kerja di kota Semarang. Data yang digunakan dalam penelitian ini adalah data pencari kerja warga kota Semarang dari Dinas Tenaga keja kota Semarang dari tahun 2015-2018. Data pencari kerja dikota Semarang dikelompokkan berdasarkan jenis kelamin yaitu laki-laki dan perempuan. Dalam penelitian ini data akan dibagi menjadi 2 yaitu data pelatihan data tahun 2015-2017 dan data pengujian pada tahun 2018. Sistem ini menggunakan perangkat lunak matlab. Peneliti telah melakukan 10 kali percobaan mulai dari arsitektur jaringan 12-10-1 sampai 12-100-1 dan diperoleh arsitektur terbaik 12-80-1 yaitu jaringan multilayer dengan 12 input layer, 80 hidden layer dan 1 output layer dengan menggunakan fungsi aktivasi sigmoid binner dan linier, sistem ini menggunakan rmse dan mae dalam mengukur keakurasian. Pada saat pelatihan menggunakan data 2015-2017 diperoleh rmse sebesar 0,240431 dan mae sebesar 0,2224889 sedangkan pada saat proses pengujian mengggunakan data 2018 memperoleh rmse 0,305555 dan mae sebesar 0,252719 dengan akurasi sebesar 95,4% hasil prediksi pencari kerja tahun 2019 sebanyak 11.811,5 diantaranya 3.826,2 pencari kerja laki-laki dan 7.985,3 pencari kerja perempuan. Kata Kunci: Neural Network, Backpropagation,Prediksi
Teknik pemecahan masalah untuk memprediksi diantaranya Jaringan Syaraf Tiruan (Neural Network). Metode Neural Network Backpropagation terinspirasi dari cara kerja otak manusia dalam memecahkan suatu masalah yaitu adanya hubungan antara suatu sel dan sel lainnya. Metode ini digunakan karena memiliki tingkat akurasi prediksi yang tinggi dan cara kerja yang sederhana yaitu menyesuaikan bobot agar mencapai target. Oleh sebab itu peneliti menggunakan metode Neural Network Backpropagation. Metode neural network backpropagation memiliki 3 fase yaitu fase propagasi maju, fase propagasi mundur dan perubahan bobot. Fase propagasi maju adalah fase dimana sistem menghasilkan output dari penjumlahan input dan bobot, fase Propagasi mundur yaitu fase dimana sistem menentukan banyaknya error pada output dan fase terakhir perubahan bobot dimana sistem menentukan jumlah bobot yang akan digunakan pada iterasi seelanjutnya dengan tujuan meminimalisir nilai error pada output. Penelitian ini bertujuan untuk menerapkan metode Neural Network Backpropagation dalam memprediksi jumlah pencari kerja di kota Semarang. Data yang digunakan dalam penelitian ini adalah data pencari kerja warga kota Semarang dari Dinas Tenaga keja kota Semarang dari tahun 2015-2018. Data pencari kerja dikota Semarang dikelompokkan berdasarkan jenis kelamin yaitu laki-laki dan perempuan. Dalam penelitian ini data akan dibagi menjadi 2 yaitu data pelatihan data tahun 2015-2017 dan data pengujian pada tahun 2018. Sistem ini menggunakan perangkat lunak matlab. Peneliti telah melakukan 10 kali percobaan mulai dari arsitektur jaringan 12-10-1 sampai 12-100-1 dan diperoleh arsitektur terbaik 12-80-1 yaitu jaringan multilayer dengan 12 input layer, 80 hidden layer dan 1 output layer dengan menggunakan fungsi aktivasi sigmoid binner dan linier, sistem ini menggunakan rmse dan mae dalam mengukur keakurasian. Pada saat pelatihan menggunakan data 2015-2017 diperoleh rmse sebesar 0,240431 dan mae sebesar 0,2224889 sedangkan pada saat proses pengujian mengggunakan data 2018 memperoleh rmse 0,305555 dan mae sebesar 0,252719 dengan akurasi sebesar 95,4% hasil prediksi pencari kerja tahun 2019 sebanyak 11.811,5 diantaranya 3.826,2 pencari kerja laki-laki dan 7.985,3 pencari kerja perempuan. Kata Kunci: Neural Network, Backpropagation,Prediksi
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
