Implementasi Gabungan Metode Bayesian Dan Backpropagation Untuk Peramalan Jumlah Pengangguran Terbuka Di Indonesia

Arifin, Yure Firdaus (2017) Implementasi Gabungan Metode Bayesian Dan Backpropagation Untuk Peramalan Jumlah Pengangguran Terbuka Di Indonesia. Sarjana thesis, Universitas Brawijaya.

Abstract

Salah satu masalah pokok yang dihadapi negara Indonesia adalah pengangguran. Penyebab terjadinya pengangguran antara lain adalah jumlah lapangan kerja yang tersedia lebih kecil dari jumlah lulusan/pencari kerja. Tidak sebandingnya jumlah lapangan kerja dengan jumlah lulusan/pencari kerja tersebut yang menyebabkan tingginnya tingkat pengangguran di Indonesia. Tingkat pengangguran yang tinggi berdampak langsung maupun tidak langsung terhadap kemiskinan, kriminalitas, dan masalah-masalah sosial. Akan tetapi pada kenyataannya berdasarkan hasil survei BPS dari tahun 2014 ke 2015 tingkat pengangguran terbuka di Indonesia justru menunjukkan peningkatan. Dengan meramalkan/memprediksi jumlah pengangguran, dapat membantu pemerintah Indonesia dalam membuat perencanaan program pemerintah ataupun kebijakan-kebijakan yang terkait tentang lapangan pekerjaan. Selain itu, data hasil prediksi dapat digunakan untuk mengukur seberapa berhasilkah program pemerintah yang telah dilaksanakan pada tahun sebelumnya. Metode Backpropagation adalah salah satu metode yang dapat digunakan untuk memprediksi. Pada penelitian ini dilakukan optimasi nilai inisialisasi bobot pada Backpropagation menggunakan metode Bayesian yang merupakan modifikasi dari Kalman Filter. Berdasarkan hasil pengujian yang telah dilakukan dalam penelitian ini nilai Average Forecasing Error Rate (AFER) yang terendah adalah 2,1003%. Dari hasil pengujian tersebut metode gabungan Bayesian dan Backpropagation memiliki tingkat akurasi yang lebih baik dari pada metode Backpropagation dengan inisialisasi random yang memiliki nilai AFER terendah 2,5793% tetapi membutuhkan jumlah iterasi yang lebih banyak. Sistem prediksi jumlah pengangguran terbuka di Indonesia dengan metode gabungan Bayesian dan Backpropagation pada penelitian ini dapat melakukan prediksi beberapa tahun kedepan secara langsung tetapi hasil yang paling optimal adalah prediksi pada tahun pertama sedangkan pada tahun-tahun berikutnya hasil prediksi semakin tidak akurat.

English Abstract

One of the major problems that Indonesia has is unemployment. It happens because of the low number of the job vacancy meets the high number of the graduate and job seeker. The unbalanced number of the job vacancy to the graduate and job seeker causes an increasing in the unemployment rate in Indonesia. The high rate of unemployment will inevitably give a direct or indirect impact to the poverty, crime, and other social issues. However, according to the survey conducted by BPS, Indonesia’s unemployment rate was even increasing from the year of 2014 to 2015. It would really help the Indonesian government to make planning, program, or policy related to the job vacancy by being able to predict the number of unemployment. In addition, the data result from the prediction could be used as the measurement of the success of government’s previous programs. Backpropagation is one of the methods that used to predict. This research works on the optimation of weights initialization in Backpropagation using Bayesian method that is a modification of the Kalman filter. According to the test result done in this research, the lowest value of Average Forecasting Error Rate (AFER) is 2,1003%. From that result, the combination method between Backpropagation and Bayesian has better accuracy rate than Backpropagation method with random initialization that has 2,5793% lowest value of AFER, but need a lot of iterasion. The sistem of this research can predict some future of years immediately but the most optimal result is the first year while in subsequent years the result of the prediction is more inaccurate.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2017/179/051703877
Subjects:	000 Computer science, information and general works > 005 Computer programming, programs, data
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Kustati
Date Deposited:	23 May 2017 09:20
Last Modified:	17 May 2022 02:25
URI:	http://repository.ub.ac.id/id/eprint/147401

Text Yure_Firdaus_A.pdf Download (4MB)

Actions (login required)

View Item