Direview oleh:
ADI MULYA ABADI (91123027) , DANDI RIZKY RIANSA (91123028) ,EKA PUTRA NUGRAHA (91123045) , IMAM
WIBISANA (91123003) , WIRA ADI PRAMAYUDA (91123035)
Universitas Gunadarma, Jakarta, Indonesia
ABSTRAK
Pengangguran merupakan masalah besar yang dihadapi oleh bangsa Indonesia dari tahun ke tahun
selain kemiskinan. Oleh sebab itu perlu dilakukan prediksi terhadap tingkat pengangguran terbuka di
Indonesia, agar nantinya pihak pemerintah maupun swasta memiliki acuan dan referensi yang tepat
untuk saling bahu membahu mengatasi masalah ini. Metode prediksi yang digunakan adalah Resilient
Backpropagation yang merupakan salah satu metode Jaringan Saraf Tiruan yang sering digunakan untuk
prediksi data. Data penelitian yang digunakan adalah data pengangguran terbuka menurut pendidikan
tertinggi yang ditamatkan tahun 2005-2018 berdasarkan semester, yang diperoleh dari website Badan
Pusat Statistik Indonesia. Berdasarkan data ini akan dibentuk dan ditentukan model arsitektur jaringan,
antara lain 12-6- 2, 12-12-2, 12-18-2, 12-24-2, 12-12-12-2, 12-12-18-2, 12-18-18-2 dan 12-18-24-2. Dari 8
model ini setelah dilakukan pelatihan dan pengujian diperoleh hasil bahwa model arsitektur terbaik
adalah 12-18-2 (12 adalah input layer, 18 adalah jumlah neuron hiden layer dan 2 adalah output layer).
Tingkat akurasi dari model arsitektur untuk semester 1 dan semester 2 ini adalah 75% dengan nilai MSE
sebesar 0,00052083 and 0,00105823.
1
PENJELASAN DATA
2
Cara menentukan model arsitektur terbaik 5. parameter yang digunakan (setting
dengan metode Resilient adalah menentukan parameter yang digunakan):
error minimum dari proses training dan testing
yang dilakukan. Tingkat error yang digunakan
sebesar 0,02 dengan learning rate 0,01. Pada
penelitian ini, parameter kode yang digunakan
dianalisis menggunakan aplikasi Matlab 2011b
yang dapat dilihat pada tabel 4 dipoin nomor 5.
2. Alasan :
3
KESIMPULAN Kekurangan:
Penelitian ini berupaya memberikan kontribusi Tidak ada penjelasan mendetail mengenai
dalam memprediksi tingkat pengangguran proses pemilihan fitur.
terbuka di Indonesia dengan menggunakan Tidak dijelaskan proses splitting data
metode jaringan saraf tiruan. Kesimpulan yang training dan testing.
diambil mencakup pemilihan model arsitektur Tidak ada analisis statistik lebih lanjut
terbaik, tingkat akurasi hasil prediksi, dan terhadap hasil akurasi model.
harapan bahwa prediksi ini dapat memberikan Tidak ada perbandingan dengan model
acuan bagi pemerintah dan sektor swasta untuk prediksi lainnya.
mengatasi permasalahan pengangguran Referensi yang digunakan sebagian besar
merupakan self citation dari penulis sendiri.
KELEBIHAN DAN KEKURANGAN
Referensi dari peneliti lain yang relevan
Berdasarkan jurnal tersebut adalah beberapa perlu ditambahkan.
kelebihan dan kekurangan:
REFERENSI
Kelebihan:
Saputra, W., Hardinata, J. T., & Wanto, A.
(2019). Implementation of Resilient
Jurnal ini menggunakan metode penelitian
Methods to Predict Open Unemployment
yang sesuai untuk melakukan prediksi time
in Indonesia According to Higher
series, yaitu jaringan syaraf tiruan dengan Education Completed. Journal of
algoritma Resilient Backpropagation. Informatics and Telecommunication
Algoritma ini cocok untuk prediksi data Engineering, 3(1), 163-174.
time series.
https://ojs.uma.ac.id/index.php/jite/article/do
Pengumpulan data yang digunakan berasal
wnload/2704/4194
dari sumber data yang kredibel yaitu Badan
Pusat Statistik.
Jurnal dilengkapi dengan gambar yang
menjelaskan arsitektur jaringan syaraf
tiruan yang digunakan.
Parameter dan kode program ditampilkan
secara jelas sehingga memudahkan untuk
reproduksi penelitian.
Kesimpulan sesuai dengan hasil penelitian
dan membantu pembaca memahami inti
dari penelitian yang dilakukan.