Ashshiddiqi, Arthur Julio Risa (2018) Implementasi Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Jumlah Penduduk Miskin Di Indonesia Dengan Optimasi Algoritme Genetika. Sarjana thesis, Universitas Brawijaya.
Abstract
Kemiskinan merupakan masalah umum yang dihadapi setiap negara, dan Indonesia sebagai salah satunya. Peningkatan penduduk miskin terjadi hampir setiap tahunnya. Menurut Badan Pusat Statistik dengan indikator penduduk yang memiliki pengeluaran perbulan dibawah garis kemiskinan dikategorikan sebagai rakyat kurang mampu. Meningkatnya jumlah penduduk kurang mampu akan memicu terjadinya tindak kriminalitas, situasi tersebut terjadi karena individu tersebut akan melakukan apapun untuk memenuhi kebutuhannya. Dengan memprediksi jumlah penduduk miskin, diharapkan pemerintah ataupun lembaga – lembaga yang terkait dengan topik ini dapat membantu untuk mengurangi jumlah penduduk miskin dan tingkat pengangguran di Indonesia. Jaringan syaraf tiruan backpropagation adalah salah satu metode yang bisa dipakai untuk melakukan prediksi. Pelatihan bobot dan bias pada backpropagation dioptimasi menggunakan algoritme genetika untuk mendapatkan hasil yang lebih optimal. Pada penelitian ini metode jaringan syaraf tiruan backpropagation yang bobot pelatihannya dioptimasi menggunakan algoritme genetika menghasilkan nilai AFER sebesar 8.744579%.
English Abstract
Poverty is a common issues encountered by every country, and Indonesia is one of them. The escalation of the poor occurred almost every year. According to Indonesia Statistic Bureau (Badan Pusat Statistik) using population indicator based on their monthly expense below the line of poverty can be categorized as poor people. The increasing amount of the poor can trigger criminality, that is because those individuals will do anything to make ends meet. By predicting the amount of the poor, hopefully the government or any related institution can help decrease poverty and unemployment rate in Indonesia. Artificial neural network backpropagation is one of the method that can be used to make predictions. Weight and bias in backpropagation’s training optimized using genetic algorithm to obtain more optimal results. In this artificial neural network backpropagation research method that the weight training optimized using genetic algorithm generate 8.744579% AFER points.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2018/322/051804135 |
Uncontrolled Keywords: | Jaringan syaraf tiruan, backpropagation, algoritme genetika, time-series. Artificial neural network, backpropagation, genetic algorithm, time-series |
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: | Budi Wahyono Wahyono |
Date Deposited: | 12 Dec 2018 07:45 |
Last Modified: | 16 Oct 2021 05:00 |
URI: | http://repository.ub.ac.id/id/eprint/13400 |
Preview |
Text
Arthur Julio Risa Ashshiddiqi.pdf Download (5MB) | Preview |
Actions (login required)
![]() |
View Item |