Agustina, Andini (2020) Pelatihan Feedforward Neural Network dengan Particle Swarm Optimization dalam Memprediksi Pertumbuhan Penduduk Kota Malang. Sarjana thesis, Universitas Brawijaya.
Abstract
Indonesia merupakan negara keempat dengan populasi terbanyak di dunia. Dengan banyaknya penduduk, Indonesia tidak luput dari masalah kependudukan. Hal tersebut terjadi karena laju pertumbuhan penduduk tidak diiringi dengan penyediaan sandang, pangan, dan papan. Dengan kata lain, jumlah pertumbuhan penduduk tidak seimbang dengan ketersediaan sumber daya alam, pelayanan, dan fasilitas yang ada. Oleh karena itu, dengan memprediksi pertumbuhan penduduk diharapkan dapat membantu pemerintah untuk mengatasi masalah kependudukan. Penelitian ini menggunakan metode prediksi Feedforward Neural Network yang dilatih oleh Particle Swarm Optimization (PSO). Algoritme PSO dianggap dapat mengatasi kelemahan dari algoritme Backpropagation dalam melatih jaringan. Pada penelitian ini, tingkat error hasil prediksi dihitung menggunakan Mean Average Percentage Error (MAPE). Hasil MAPE terkecil yang diperoleh yaitu sebesar 0,1599% dengan menggunakan 6 neuron input, 4 neuron hidden, 1 neuron output pada arsitektur jaringannya, serta dataset yang digunakan yaitu jumlah penduduk Kota Malang dari bulan Januari 2009 sampai Juni 2019. Hasil MAPE tersebut menunjukkan bahwa PSO mampu melatih Feedforward Neural Network untuk memprediksi pertumbuhan Kota Malang.
English Abstract
Indonesia is the fourth most populous country in the world. With a large population, Indonesia is not immune to population problems. This happens because the rate of population growth is not accompanied by the provision of clothing, food, and shelter. In other words, the amount of population growth is not balanced with the availability of natural resources, services, and existing facilities. Therefore, predicting population growth is expected to help the government to overcome population problems. This paper will be using Feedforward Neural Network trained by Particle Swarm Optimization (PSO). PSO algorithm is considered to be able to overcome the weaknesses of the Backpropagation algorithm in training networks. In this study, the predicted error rate is calculated using Mean Average Percentage Error (MAPE). The smallest MAPE results obtained were 0,1599% using 6 input neurons, 4 hidden neurons, 1 output neurons in the network architecture, and the dataset used is the population of Malang City from January 2009 to June 2019. The MAPE results showed that PSO is able to train Feedforward Neural Network to predict the population growth of Malang City.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2020/36/052002998 |
| Uncontrolled Keywords: | Pertumbuhan Penduduk, Feedforward Neural Network, Particle Swarm Optimization, Population Growth, Feedforward Neural Network, Particle Swarm Optimization |
| Subjects: | 000 Computer science, information and general works > 003 Systems > 003.2 Forecasting and forecasts |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 10 Aug 2020 06:45 |
| Last Modified: | 07 Oct 2024 03:03 |
| URI: | http://repository.ub.ac.id/id/eprint/180503 |
Preview |
Text
Andini Agustina.pdf - Published Version Download (6MB) | Preview |
Actions (login required)
 |
View Item |