Prediksi Tingkat Inflasi Dengan Menggunakan Metode Backpropagation Neural Network

Wong, Kelvin; Wibawa, Aji Prasetya; Pakpahan, Herman Santoso; Prafanto, Anton; Setyadi, Hario Jati

doi:10.30872/jsakti.v1i2.2600

Cited by 10 publications

(9 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Prediksi Tingkat Inflasi dengan Metode Backpropagation juga pernah dilakukan dalam Pengukuran akurasi prediksi algoritma BPNN menggunakan metode mean square error (MSE). Berdasarkan hasil percobaan, parameter arsitektur 5-5-5-1, fungsi pembelajaran adalah trainlm, fungsi aktivasi adalah logsig dan purelin, laju pembelajaran adalah 0.1 mampu menghasilkan tingkat kesalahan prediksi yang baik dengan nilai MSE sebesar 0.00000424 [13].…”

Section: Pendahuluanunclassified

Prediksi Kunjungan Wisata Kota Payakumbuh Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation

Aulya

2022

INFEB

View full text Add to dashboard Cite

Tourism is a whole related elements which consist of tourists, tourist destinations, travel, industry and so on which are tourism activities and abundant natural wealth. The tourism sector is a very important service-based sector. Tourism is the fastest growing, vibrant and strong economic sector development, it also contributes to Gross Domestic Product (GDP), job creation, social and economic development. Artificial Neural Networks are computer programs that can imitate thought processes and knowledge to solve a specific problem. One of which is applied by the Artificial Neural Network to predict tourist visits. By using the Backpropagation method, it will be known the prediction of the number of tourist visits. The Backpropagation method is very useful for Artificial Neural Networks predicting the number of tourist visits the following year. The data processed in this study were 12 data sourced from the tourism section of the Payakumbuh City Youth and Sports Tourism Office. Furthermore, the data is processed using Matlab software. The stages of backpropagation are initialization, activation, training and iteration. The calculation of the network pattern used and the accuracy level of the expected error is continued. The result of testing this method is that it can predict tourist visits. So the level of accuracy is 95%. The prediction process has been carried out to predict tourist visits to the city of Payakumbuh. With the level of accuracy obtained is met, it can be used to help the Payakumbuh City Tourism Office increase the number of tourist visits in the future and further improve tourism management.

show abstract

Section: Pendahuluanunclassified

Prediksi Kunjungan Wisata Kota Payakumbuh Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation

Aulya

2022

INFEB

View full text Add to dashboard Cite

show abstract

“…Metode backpropagation merupakan salah satu metode neural network yang lazim digunakan [10][12] [13]. Pada jaringan diberikan sepasang data yang terdiri atas data masukan dan data yang diinginkan.…”

Section: Neural Networkunclassified

“…Peramalan inflasi dapat dilakukan dengan berbagai metode di antaranya adalah extreme learning machine [6], support vector regression [7], exponential smoothing [8], fuzzy time series [9], multiple regression [10], ensembel [11], dan neural network [10], [12], [13]. Metode neural network sendiri adalah salah satu metode kecerdasan buatan yang banyak digunakan dalam peramalan termasuk dalam peramalan inflasi di dunia [14][15] dan beberapa penelitian yang pernah dilakukan di Indonesia [10], [12], [13]. Tentu masing-masing metode tersebut memiliki perbedaan, baik kelebihan maupun kekurangan.…”

unclassified

Optimasi Prediksi Inflasi Dengan Neural Network Pada Tahap Windowing Adakah Pengaruh Perbedaan Window Size

Wahyuni¹

2021

Technologia

View full text Add to dashboard Cite

AbstrakInflasi adalah indikator yang penting dalam penentuan kebijakan pemerintah. Data inflasi dirilis oleh Badan Pusat Statistik (BPS) di setiap awal bulan. Jika data inflasi dapat diprediksi lebih awal, pemerintah bisa menerapkan kebijakan yang tepat. Backpropagation neural network adalah salah satu metode prediksi yang lazim digunakan. Dengan menggunakan data bulan-bulan sebelumnya, inflasi dapat diprediksi menggunakan metode neural network dengan menggunakan teknik sliding window yang juga disebut metode windowing. Windowing adalah pembentukan struktur dari data time series menjadi data cross sectional. Ukuran dari windowing akan mempengaruhi akurasi dari hasil prediksi. Pada penelitian ini, penulis melakukan percobaan dengan tiga window size yaitu 6, 12, dan 18 untuk melihat adakah perbedaan akurasi hasil dari beberapa window size tersebut. Hasil percobaan menyimpulkan bahwa window size 6 memiliki akurasi paling baik untuk memprediksi inflasi dengan RMSE 0,435.Keywords: backpropagation, prediksi, sliding window

show abstract

“…Masing-masing pulau memiliki sumber daya dan kekayaan alam yang melimpah serta memiliki potensi pariwisata yang baik [1]. Berdasarkan hasil percobaan, parameter arsitektur 5-5-5-1, fungsi pembelajaran adalah trainlm, fungsi aktivasi adalah logsig dan purelin, laju pembelajaran adalah 0.1 mampu menghasilkan tingkat kesalahan prediksi yang baik dengan nilai MSE sebesar 0.00000424 [4].…”

Section: Pendahuluanunclassified

Prediksi Tingkat Kedatangan Wisatawan Asing Menggunakan Metode Backpropagation (Studi Kasus: Kepulauan Mentawai)

Salimu

Yunus

2020

INFEB

View full text Add to dashboard Cite

The tourism industry is always growing and plays an important role in the national economy, both as the second largest contributor to foreign exchange and as a large labor absorber. This study aims to optimize production using the Artificial Neural Network (ANN) method. The technique used is Backpropagation. The data processed is data on the number of foreign tourists from 2017 to 2019 in the Mentawai Islands. The results of the momentum obtained are 2-5-1 on the division of data into 2, namely training data for 2017 and 2018 and test data for 2019. The optimal prediction result is 0.99847, so this research is very helpful in predicting the arrival rate of foreign tourists in Mentawai Islands.

show abstract

Prediksi Tingkat Inflasi Dengan Menggunakan Metode Backpropagation Neural Network

Cited by 10 publications

References 9 publications

Prediksi Kunjungan Wisata Kota Payakumbuh Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation

Prediksi Kunjungan Wisata Kota Payakumbuh Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation

Optimasi Prediksi Inflasi Dengan Neural Network Pada Tahap Windowing Adakah Pengaruh Perbedaan Window Size

Prediksi Tingkat Kedatangan Wisatawan Asing Menggunakan Metode Backpropagation (Studi Kasus: Kepulauan Mentawai)

Contact Info

Product

Resources

About