PERBANDINGAN PREDIKSI PAGU RASKIN PROVINSI JAWA TENGAH MENGGUNAKAN METODE BACKPROPAGATION BERDASARKAN BOBOT EIGENVALUE DAN BOBOT RANDOM

PRATIWI , RAHMAWATI ITA and KUSUMANINGRUM, RETNO (2016) PERBANDINGAN PREDIKSI PAGU RASKIN PROVINSI JAWA TENGAH MENGGUNAKAN METODE BACKPROPAGATION BERDASARKAN BOBOT EIGENVALUE DAN BOBOT RANDOM. Undergraduate thesis, Universitas Diponegoro.

[img]
Preview
PDF
861Kb

Abstract

Program Raskin adalah program nasional lintas sektoral yang bertujuan untuk membantu mencukupi kebutuhan beras masyarakat berpendapatan rendah. Program Raskin tersebut telah berjalan sejak tahun 1998, akan tetapi penentuan pagu raskin masih berpatokan pada basis data terpadu yang diperoleh dari hasil survei. Proses yang dilakukan tersebut terlalu banyak membuang waktu dan tenaga. Oleh karena itu, diperlukan cara lain untuk memprediksikan pagu raskin yang akan dikeluarkan disetiap tahunnya. Penelitian ini bertujuan mengetahui kombinasi parameter terbaik (alpha atau laju pembelajaran dan jumlah neuron pada hidden neuron) dari penerapan metode jaringan syaraf tiruan backpropagation dengan menggunakan bobot eigenvalue dan bobot random serta membandingan kinerja berupa akurasi dan waktu komputasi untuk keduanya. Parameter yang digunakan adalah jumlah penduduk, tingkat kemiskinan dan laju pertumbuhan ekonomi regional sedangkan targetnya adalah data history pembagian raskin. Dari hasil penelitian tersebut menghasilkan dua arsitektur yang berbeda, yaitu arsitektur backpropagation menggunakan bobot awal eigenvalue dan yang menggunakan bobot awal random. Arsitektur terbaik pada backpropagation menggunakan bobot awal eigenvalue menghasilkan kombinasi parameter alpha 0,8 serta jumlah neuron pada hidden neuron sebanyak 2 neuron dengan akurasi 94,99% dan arsitektur terbaik pada backpropagation menggunakan bobot awal random menghasilkan kombinasi parameter alpha 0,7 serta jumlah neuron pada hidden neuron sebanyak 2 neuron dengan akurasi 95,03%. Penerapan penggunaan bobot awal eigenvalue membuat waktu komputasi sedikit lebih lama dibandingkan menggunakan bobot random dengan selisih rata-rata waktu untuk setiap kombinasi alpha dan hidden neuron sebesar 63 detik. Sedangkan untuk rata-rata akurasi pengujian jaringan backpropagation penggunaan bobot eigenvalue menghasilkan rata-rata akurasi sebesar 92,10% sedangkan yang menggunakan bobot random menghasilkan rata-rata akurasi sebesar 91,51%.

Item Type:Thesis (Undergraduate)
Subjects:Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions:Faculty of Science and Mathematics > Department of Computer Science
ID Code:59332
Deposited By:INVALID USER
Deposited On:16 Jan 2018 09:20
Last Modified:16 Jan 2018 09:20

Repository Staff Only: item control page