Adi, Bayu Septyo (2017) Pelatihan Feedforward Neural Network Menggunakan PSO Untuk Prediksi Jumlah Pengangguran Terbuka Di Indonesia. Sarjana thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
The issue of open unemployment is a problem who experienced by all developing country in the world, one of them is Indonesia. When the open unemployment in the high level, it can be affect to another problem, such people’s power for purchase will decreasing so it can make economy activities decreases, poverty and others. To reduce the number of open unemployment, the government actually has a work plan to reduce it. But, that work plan may not be able to realization because the number of open unemployment in every year can’t be confirm before thers’s a survei . If the government waiting for data from survei, the government will be waiting so long because there so many processes in the survei. There is an alternative that can used to know about the number of open unemployment in Indonesian, that alternative is prediction. Predicted data can be used by the government to realization the government’s work plan to reduce number of open unemployment while waiting for results from survei . In this research, prediction using feedforward neural network trained by PSO. Every particle in the PSO contains weight and biases and the best particle at the last training process will be used by feedforward neural network for prediction. This research using Non Linier Decrease Intertia Weight (NLDIW) to calculate inertia weight which that method can improve the result of prediction . From the test results obtained, the number of neuron at the input layer is 4, the number of neuron at the hidden layer is 5, the number of particle is 30, the number of iteration is 100, the number of ωmax is 0.9, the number of ωmin is 0.4, the number of training data is 32 and the number of testing data is 9 produces mean value of AFER is 2.71399% so it can be concluded that feedforward neural network trained by PSO can produce value of prediction with small error values and need short time for training process.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/305/051705549 |
| Uncontrolled Keywords: | Pengangguran Terbuka, Feedforward Neural Network (FFNN), Particle Swarm Optimization (PSO), Average Forecasting Error Rate (AFER) |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 31 Jul 2017 06:35 |
| Last Modified: | 21 Sep 2020 05:50 |
| URI: | http://repository.ub.ac.id/id/eprint/854 |
Actions (login required)
 |
View Item |