Prediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation

Tri Wardati Khusniyah, Sutikno Sutikno

Abstract


Badan Pusat Statistik (BPS) menggunakan Nilai Tukar Petani (NTP) sebagai salah satu indikator untuk mengukur tingkat kesejahteraan atau kemampuan daya beli petani. Nilai indeks NTP untuk periode yang akan datang perlu di lakukan prediksi yang dapat dimanfaatkan pihak terkait dalam mempersiapkan tindakan-tindakan pencegahan apabila indeks NTP turun dari periode sebelumnya. Paper ini bertujuan untuk mengukur unjuk kerja algoritma jaringan syaraf tiruan Backpropagation dalam memprediksi Nilai Tukar Petani (NTP) Provinsi Jawa Timur satu bulan mendatang. Data yang digunakan yaitu data tahun 2008-2012 untuk proses pelatihan jaringan. Proses pengujian dilakukan dengan membandingkan hasil pengujian dengan data aktual tahun 2013 dan 2014. Hasil pengujian menunjukkan bahwa persentase error terkecil apabila jumlah node lapisan tersembunyi 7 dan nilai laju pembelajaran 0.1 dengan rata-rata error sebesar 0.61% atau tingkat akurasi mencapai 99.39%.


Keywords


Prediksi; Nilai Tukar Petani; Backpropagation

Full Text:

PDF

References


BPS. 2013. Jawa Timur dalam Angka. Badan Pusat Statistik, Surabaya.

Rusono, N., Sunaro, A., Candradijaya, A., Martino, I. dan Tejaningsih. 2013. Analisis Nilai Tukar Petani (NTP) sebagai Bahan Penyusunan RPJM Tahun

-2019. Direktorat Pangan dan Pertanian, Bappenas, Jakarta.

Andrijasa, M.F., dan Mistianingsih. 2010. Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Pengangguran di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran Backpropagation. Jurnal

Informatika Mulawarman, Vol. 5(1):50 - 54.

Kim, J.H., Park, S.J., Kim, K.T., dan Hwang, S.C. 2003. Stock price prediction using Backpropagation neural network in KOSPI. Proceedings of the International Conference on Artificial Intelligence IC-AI 2003. Las Vegas, United Stated, 23 Juni, 2003.

Fernandes, P.O., Teixeira, J.P., Ferreira, J., dan Azevedo, S. 2013. Training neural networks by resilient Backpropagation algorithm for tourism forecasting. International Symposium on Management Intelligent Systems (IS-MiS 2013). Salamanca, Spain, 22 Mei, 2013.

Pattamavorakun, S.. 2015. Backpropagation and recurrent neural networks for thai exports and gross domestic product forecasting . 9th World Multi Conference on Systemics, Cybernetics and Informatics, WMSCI 2005. Orlando, United States, 10 Juli, 2005.

Hermawan, A. 2006. Jaringan Saraf Tiruan, Teori, dan Aplikasi. Penerbit Andi, Yogyakarta.

Siang, J.J. 2009. Jaringan Saraf Tiruan dan Pemrogramannya Menggunakan MATLAB. Penerbit Andi, Yogyakarta.

Fausett, L. 1994. Fundamentals of Neural Networks: Architectures, Algorithms, and Applications. Pretince Hall, New York.




DOI: https://doi.org/10.15294/sji.v3i1.4970

Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.