Penerapan Jaringan Saraf Tiruan Backpropagation Dalam Memprediksi Kemiskinan DI Jawa Timur

Abstract

Kemiskinan merupakan permasalahan sosial global yang telah ada selama berabad-abad dapat berdampak pada kondisi sosial ekonomi, pendidikan, kesehatan, maupun stabilitas politik suatu wilayah khususnya Jawa Timur. Angka kemiskinan pada tahun 2022 mengalami penurunan dibandingkan tahun 2021. Oleh karena itu, aspek penting untuk mendukung strategi penanggulangan kemiskinan adalah tersedianya data kemiskinan yang akurat agar dapat digunakan untuk menekan angka kemiskinan dengan memprediksinya di tahun mendatang. Salah satu metode yang digunakan yaitu jaringan saraf tiruan Backpropagation. Metode ini sudah banyak digunakan dalam permasalahan prediksi karena kinerjanya yang baik dalam memperoleh tingkat akurasi. Tujuan dari penelitian ini yaitu untuk mengetahui model yang tepat dalam memprediksi tingkat kemiskinan menggunakan JST Backpropagation. Penelitian ini bersumber dari Badan Pusat Statistik (BPS) Provinsi Jawa Timur. Data yang diambil berupa data jumlah penduduk miskin, tingkat pengangguran, pertumbuhan ekonomi, indeks pembangunan manusia, dan upah minimum. Data yang diperoleh merupakan data dengan rentang waktu dari tahun 2010 sampai 2022. Data dibagi menjadi dua kelompok, yaitu training dan testing. Pada proses training terdapat pola arsitektur dan parameter jaringan yang dapat ditentukan untuk memperoleh hasil terbaik, sedangkan pada proses testing tidak dapat diubah karena menggunakan bobot keluaran yang didapatkan dari hasil training. Arsitektur yang digunakan dalam penelitian ini menggunakan 4 neuron pada input layer, yaitu tingkat pengangguran, pertumbuhan ekonomi, indeks pembangunan manusia, dan upah minimum. Pada hidden layer dilakukan sebanyak 4 percobaan, yaitu 2, 5, 8, dan 10 neuron. Sedangkan pada output layer terdapat 1 neuron, yaitu jumlah