Prediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation

Abstract

AbstrakBadan 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%.Kata kunci: Prediksi, Nilai Tukar Petani, Backpropagation PENDAHULUANSektor pertanian merupakan salah satu sektor pendukung perekonomian Indonesia. Menurut BPS, pada tahun 2013 sektor pertanian telah memberikan kontribusi sebesar 14,43% terhadap total Produk Domestik Bruto (PDB) Indonesia dan menempati peringkat kedua setelah sektor industri pengolahan. Sektor ini diharapkan mampu memberikan kontribusi besar pada pembangunan Indonesia dan bisa membantu mengentaskan kemiskinan [1]. Maka dari itu, pemerintah perlu melakukan kebijakankebijakan strategis untuk peningkatan kesejahteraan petani.Salah satu alat ukur yang menggambarkan tingkat kesejahteraan petani yaitu Nilai Tukar Petani (NTP) [2]. Kegunaan dari Indeks NTP yaitu untuk mengukur kemampuan tukar produk yang dijual petani dengan produk yang dibutuhkan petani dalam memproduksi dan mengkonsumsi barang dan jasa untuk keperluan rumah tangga.Indikator NTP yang dibangun oleh BPS mempunyai unit analisa nasional dan regional (provinsi). NTP Nasional merupakan agregasi dari NTP regional, subsektor, dan komoditi. NTP dapat diturunkan menurut provinsi dan NTP menurut subsektor. Lima subsektor NTP antara lain subsektor tanaman pangan, subsektor tanaman hortikultura, subsektor tanaman perkebunan rakyat, subsektor peternakan, dan subsektor perikanan.

Perbandingan Model Hybrid ARIMA-NN dan Hybrid ARIMA-GARCH untuk Peramalan Data Nilai Tukar Petani di Provinsi Gorontalo

“…Model hybrid yang akan digunakan adalah model dengan mengkombinasikan model ARIMA dan model GARCH (ARIMA-GARCH) serta Model ARIMA dengan neural network. Pemilihan model ini didasarkan pada penelitian sebelumnya yang melakukan prediksi pada nilai NTP yaitu (Desvina and Meijer, 2018) yang menghasilkan model terbaik adalah Model ARCH (1) dengan MAPE sebesar 3.64% serta (Khusniyah and Sutikno, 2016) yang menghasilkan model neural network dengan 7 neuron menghasilkan error sebesar 0.61%. Selain itu, telah banyak dilakukan penelitian terkait metode ARIMA-GARCH diantaranya (Faustina, Agoestanto and Hendikawati, 2017), (Qasim et al, 2021) dan (Dritsaki, 2018).…”

Penerapan Jaringan Saraf Tiruan Dalam Memprediksi Gizi Balita Pada Puskesmas Siantar Utara Kota Pematangsiantar

“…Bobot ini akan digunakan untuk menggandakan atau mengalihkan sinyal yang dikirim melalui setiap sel saraf akan menerapkan fungsi aktivasi terhadap sinyal hasil penjumlahan berbobot yang masuk kepadanya untuk menentukan sinyal keluarannya [5]. Metode backpropagation adalah algoritma pembelajaran yang terawasi dan biasanya digunakan oleh perceptron dengan banyak lapisan untuk mengubah bobotbobot yang terhubung dengan neuronneuron yang ada pada lapisan tersembunyi [6]. Pada Puskesmas Siantar Utara Kota Pematangsiantar status gizi menjadi acuan perkembangan dan pertumbuhan anak umur yang dibawah lima tahun serta menjadi tolak ukur keseimbangan kesehatan, di Puskesmas Siantar Utara Kota Pematangsiantar jumlah anak yang terkena gizi kurang sekitar 11 % anak sedangkan anak yang memiliki gizi baik 89 %.…”

Estimasi Nilai Tukar Petani Subsektor Tanaman Pangan Menggunakan JST pada Provinsi Sumatera Utara

“…Dengan besarnya kontribusi sektor pertanian dalam menciptakan lapangan pekerjaan bagi masyarakat sehingga perlunya peran pemerintah khususnya pemerintah provinsi Sumatera Utara untuk lebih memperhatikan kesejahteraan masyarakat di sektor pertanian khususnya sektor pertanian petani tanaman pangan. Kegunaan dari indeks nilai tukar petani yaitu untuk mengukur kemampuan tukar produk yang dijual petani dengan produk yang dibutuhkan petani dalam memproduksi dan mengkonsumsi barang dan jasa untuk keperluan rumah tangga [1]. Menurut [2] faktor nilai tukar tergantung dari keadaan ekonomi.…”

“…Sebelum melakukan proses pelatihan data, terlebih dahulu ditentukan nilai parameter agar memperoleh hasil yang optimal. Parameter yang digunakan secara umum pada Software Matlab untuk training dan testing adalah sebagai berikut : >> net=newff(minmax(P), [28,1],{'tansig','logsig'},'traingd'); >> net.IW{1,1}; >> net.b{1}; >> net.LW{2,1}; >> net.b{2}; >> net.trainParam.epochs=100000; >> net.trainParam.LR = 0.01; >> net.trainParam.goal = 0.001; >> net.trainParam.show = 1000; >> net=train(net,P,T)…”