Implementation of Bayesian Regulation Algorithm for Estimation of Production Index Level Micro and Small Industry

Abstract

Small Industry is an industrial company whose workforce consists of 5-19 people. While the Micro Industry is an industrial company whose workforce consists of 1-4 people. The purpose of this study is to estimate the Production Index of Micro and Small Industries according to KBLI for years to come. KBLI is a reference classification used to classify Indonesian economic activities/activities into several business fields/business fields that are distinguished based on the type of economic activity that produces products/outputs in the form of goods and services. In this study, the estimation method used is the Bayesian Regulation Algorithm. This algorithm is one of the Artificial Neural Networks algorithms that can solve many estimation problems by building a trained model and showing good performance. The data to be estimated in this study are data of Micro and Small Industry Production Index according to KBLI processed from the Central Board Statistics of Indonesia. This study uses 3 architectural models, namely: 5-10-20-1, 5-15-30-1 and 5-20-40-1. The best architectural model is 5-10-20-1, resulting in 83% accuracy, MSE 0.0031434897 with a minimum error of 0.001 - 0.05.

Penerapan ML dengan Teknik Bayesian Regulation untuk Peramalan Usia Penduduk di Beberapa Negara Asia

“…Teknik Bayesian Regulation merupakan fungsi pelatihan jaringan yang memperbarui bobot dan nilai bias sesuai dengan optimasi Levenberg-Marquardt. Teknik ini mampu meminimalkan kombinasi kesalahan kuadrat dan bobot, dan kemudian menentukan kombinasi yang benar sehingga menghasilkan jaringan yang digeneralisasi dengan baik [7]. Pada penelitian ini, data usia penduduk di Asia nantinya akan dibagi menjadi 2 bagian, yakni data training (pelatihan) dan data testing (pengujian) yang masing-masing memiliki target yang berbeda.…”

Penerapan Algoritma Bayesian Regulation untuk Estimasi Posisi Cadangan Devisa Indonesia

“…Algoritma Bayesian Regulation merupakan fungsi pelatihan jaringan yang memperbarui bobot dan nilai bias sesuai dengan optimasi Levenberg-Marquardt. Algoritma ini mampu meminimalkan kombinasi kesalahan kuadrat dan bobot, dan kemudian menentukan kombinasi yang benar sehingga menghasilkan jaringan yang digeneralisasi dengan baik [9]. Pada penelitian ini, data posisi cadangan devisa nantinya akan dibagi menjadi dua bagian, yakni data training (pelatihan) dan data testing (pengujian) yang masing-masing memiliki target yang berbeda.…”

“…Arsitektur terbaik adalah 5-10-20-1 yang menghasilkan akurasi 83%, MSE 0,0031434897 dengan tingkat target error yang digunakan 0,001 -0,05. Berdasarkan hasil prediksi dapat diketahui bahwa Indeks Produksi Industri Mikro dan Kecil cenderung menurun, meskipun penurunannya tidak terlalu signifikan [11]. Penelitian selanjutnya dilakukan untuk melakukan peramalan usia penduduk di beberapa negara Asia menggunakan metode Bayesian regulation.…”

Metode Jaringan Saraf Tiruan Dalam Memprediksi Jumlah Populasi Itik Manila Berdasarkan Provinsi Di Indonesa

“…Jaringan saraf tiruan (artificial neural network) adalah model komputasi yang terinspirasi secara biologis, jaringan saraf tiruan terdiri dari beberapa elemen pengolahan (neuron) dan ada hubungan antara neuron. Neuronneuron tersebut akan mentransformasikan informasi yang diterima oleh neuron satu menuju neuron lain nya, hubungan ini disebut dengan bobot [20]- [22].…”