Abstrak
Penelitian ini dilakukan untuk menyelidiki Jaringan Syaraf Tiruan dengan penerapan Backpropagation.
Matlab digunakan. Ketika informasi dikumpulkan dengan pengamatan langsung. Dan data yang akan
dimasukkan dibagi menjadi beberapa kelompok tergantung faktor yang mempengaruhi laju pertumbuhan
penduduk kota sorong. Jumlah unit di setiap lapisan kemudian ditentukan untuk membangun Jaringan
Syaraf Tiruan. Setelah jaringan terbentuk dilakukan training dari data yang telah dikelompokkan tersebut.
Pengujiannya dilakukan dengan perangkat lunak Matlab percobaan yang dilakukan dengan arsitektur
jaringan yang terdiri dari unit masukan, unit layer tersembunyi dan unit keluarannya. hasil yang didapat
dari pengujian tersebut adalah niali Performance dan epochs setiap arsitektur tidak sama. Hasil
pengujiannya ditampilkan dalam bentuk grafik perbandingan nilai target dengan nilai pelatihan.
Kata Kunci: Jaringan Syaraf Tiruan Backpropagation, Prediksi Laju Pertumbuhan Penduduk kota sorong
1.PENDAHULUAN
Di zaman digital saat ini pemanfaatan teknologi informasi sangatlah penting, selain
perkembangannya yang sangat pesat juga dikarenakan kegunaannya yang cukup efektif
dalam membantu pekerjaan manusia. Teknologi informasi dapat digunakan untuk
mendapatkan data, memproses, menyusun, menyimpan dan memanipulasi data dalam
berbagai cara untuk mendapatkan informasi yang berkualitas, relevan, akurat dan tepat
waktu untuk keperluan bisnis, pemerintahan, swasta ataupun pribadi. Dengan adanya
penggunaan Jaringan Syaraf Tiruan menghasilkan informasi yang berkualitas, yaitu
informasi yang relevan, akurat dan tepat waktu, yang digunakan untuk keperluan pribadi,
bisnis, swasta dan pemerintah yang merupakan informasi yang strategis dalam pengambilan
keputusan. Penggunaan ANN dengan algoritma training back-propagation untuk melakukan
prediksi pacuan kuda di Jamaika. ANN dengan jenis feed forward network atau
Backpropagationyang digunakan dalam penelitian ini telah terbukti memberikan hasil yang
baik untuk keperluan prediksi laju pertumbuhan penduduk di kota sorong. Ketika ada
banyak hal yang harus dilakukan dilakukan oleh Badan Pusat Statistik Perkotaan (BPS).
Sorong dan terkadang membutuhkan informasi dorongan untuk memprediksi ritme
Pertumbuhan penduduk memerlukan suatu sistem dapat memprediksi tingkat pertumbuhan
penduduk, pertumbuhan penduduk Kota Sorong yang tumbuh di mana-mana Tindakan
cepat diperlukan tahun ini memprediksi pertumbuhan penduduk sekarang dan di tahun-
tahun mendatang.
Indonesia mempunyai jumlah penduduk yang besar, berdasarkan
meningkatkan pembangunan akan tetapi nilai negatifnya juga ada, dengan jumlah
penduduk yang besar maka pemerintah mempunyai tanggungan yang besar untuk
dan Catatan Sipil. Dinas tersebut bertugas mengadakan penelitian dan pelayanan
tentang kependudukan yang salah satu bidangnya adalah pembuatan surat tanda
lahir atau yang lebih dikenal dengan akta kelahiran, kartu tanda penduduk (KTP),
2. LANDASAN TEORI
Kependudukan, atau dalam hal ini adalah penduduk, merupakan pusat dari
seluruh kebijaksanaan dan program pembangunan yang dilakukan. Dalam Garis
Besar Haluan Negara (GBHN) dengan jelas dikemukakan bahwa penduduk adalah
subyek dan obyek pembangunan. Sebagai subyek pembangunan maka penduduk
harus dibina dan dikembangkan sehingga mampu menjadi penggerak
pembangunan. Sebaliknya, pembangunan juga harus dapat dinikmati oleh
penduduk yang bersangkutan. Dengan demikian jelas bahwa pembangunan harus
dikembangkan dengan memperhitungkan kemampuan penduduk agar seluruh
penduduk dapat berpartisipasi aktif dalam dinamika pembangunan tersebut.
Sebaliknya, pembangunan tersebut baru dikatakan berhasil jika mampu
meningkatkan kesejahteraan penduduk dalam arti yang luas
(ww.bappenas.go.id/get-file-server/node/8562/. April, 7, 2013).
2.2. Jaringan Syaraf Tiruan
Jaringan saraf tiruan (JST), atau juga disebut simulated neural network
(SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari
sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf
manusia. Jaringan saraf tiruan merupakan sistem adaptif yang dapat mengubah
strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun
internal yang mengalir melalui jaringan tersebut. Secara sederhana, JST adalah
sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk
memodelkan hubungan yang kompleks antara input dan output untuk menemukan
pola-pola pada data (Arief Hermawan, 2006, hlm. 5).
2.2.1. Model Jaringan Syaraf Tiruan
2.2.2. Backpropagation
2. Pelatihan Data
Fungsi ini berguna untuk melatih jaringan hingga diperoleh bobot yang
sesuai.
3. Prediksi
dan GUIDE MATLAB untuk pembuatan user interface, juga M-File editor untuk
penulisan program.
(BPS) Yogyakarta yaitu data dari Tahun 1989 sampai Tahun 2022. Total
data adalah 24 data yang akan dibagi 2 yaitu 16 data untuk pelatihan
1989 sampai 2004 digunakan sebagai data pelatihan jaringan, dan data
tahun 2005 sampai tahun 2022 digunakan sebagai data pengujian jaringan.
kecil.
langkah berikut :
1. Epoch = Epoch + 1
Bobot
Contoh Perhitungan
Misalnya dalam kasus ini akan dibuat sebuah jaringan syaraf tiruan
2004, dan data tahun 2005 – tahun 2012 sebagai target keluaran. Karena fungsi
aktifasi dengan menggunakan sigmoid biner (range 0 sampai dengan 1), maka
data harus ditransformasikan [0,1]. Tapi akan lebih baik di transformasikan pada
range [0,1 - 0,9] karena fungsi sigmoid nilainya tidak pernah 0 ataupun 1.
menentukan pola yang akan digunakan pada jaringan syaraf tiruan yang akan
dibuat. Dengan memecah data menjadi dua bagian yaitu 16 data pelatihan dan 8
data pengujian. Pada kasus ini pola data pelatihan adalah 8 data sebagai data
masukan dan 8 data sebagai data target, artinya data jumlah penduduk tahun 1989
– tahun 1996 sebagai masukan dan data jumlah penduduk tahun 1997 – tahun
di lapisan tersembunyi zj
zj
yk = f(y_netk) = 1
y _ net k
1e
Fase Backpropagation
d. Unit di lapisan keluaran yk (k = 1, 2, 3, ..., m) menerima target lalu
dibandingkan dengan masukan yang diterimanya. Factor galat dihitung
dengan menggunakan persamaan :
δ k = (t k – y k) f’(y_netk) = (t k – y k) y k (1 - y k)
dimana δk merupakan kesalahan yang akan dipakai dalam perubahan
bobot lapisan di bawahnya.
Perubahan bobot Δwkj dihitung untuk merubah bobot wkj dengan laju
pembelajaran α
Δwkj = α.δk.zj
e. Hitung factor δ unit tersembunyi berdasarkan kesalahan disetiap unit
tersembunyi zj :
m
δ_netj =
k 1
k wkj
momentum (µ) :
Mulai
Mencari data
Ya
Memproses data
Selesai
sebagai berikut :
waktu pelatihan yang semakin lama serta epoch yang dicapai semakin
besar.
cukup baik. Selisih antara target yang sebenarnya dengan hasil output
diperkecil.