BACKPROPAGATION ALGORITHM IN PREDICTING THE AMOUNT OF WEST SIANTAR POPULATION GROWTH

Rika Setiana, Yuegilion Pranayama Purba, Muhammad Safii

Abstract


Abstract: Indonesia is included in the category of developing countries and is a country with a relatively large population. According to data from the Pematang Siantar City Population and Civil Registration Service, West Siantar District is one of the sub-districts in Pematang Siantar City whose population continues to increase and this will lead to an increase in poverty and unemployment rates. To overcome the above problems, a method is needed to analyze the population growth of West Siantar, one of which is using the Backpropagation method. This research will use training data starting from 2017-2021 and test data from 2018-2022. The results carried out using MATLAB R2011a software show the best architecture 4-19-1 with an accuracy of 100 with an MSE number of 0.00010031375 and an epoch value of 124777. Based on the research carried out, the population of West Siantar in the next year is 86067 people. It is concluded that backpropagation can be used as a method that makes it easier to search for predictions and the level of accuracy obtained depends on the architecture used.

           
Keywords: Birth; Growth; Matlab; Predictions; Resident

 

Abstrak: Indonesia termasuk dalam kategori negara berkembang dan merupakan negara dengan jumlah penduduk yang relatif besar. Menurut data Dinas Kependudukan dan Catatan Sipil Kota Pematang Siantar, Kecamatan Siantar Barat merupakan salah satu kecamatan di Kota Pematang Siantar yang jumlah penduduknya terus meningkat dan hal ini akan berdampak pada peningkatan angka kemiskinan dan pengangguran. Untuk mengatasi permasalahan diatas diperlukan suatu metode untuk menganalisis pertumbuhan penduduk Siantar Barat, salah satunya adalah dengan menggunakan metode Backpropagation. Penelitian ini akan menggunakan data latih mulai tahun 2017-2021 dan data uji 2018-2022. Hasil yang dilakukan dengan menggunakan software MATLAB R2011a menunjukkan arsitektur terbaik 4-19-1 dengan akurasi 100 dengan angka MSE 0.00010031375 dan nilai epoch 124777. Berdasarkan penelitian yang dilakukan, populasi Siantar Barat di tahun berikutnya sebanyak 86067 orang. Disimpulkan bahwa backpropagation dapat digunakan sebagai metode yang memudahkan pencarian prediksi dan tingkat akurasi yang diperoleh tergantung pada arsitektur yang digunakan.

 

Keywords: Kelahiran; Matlab; Pertumbuhan; Penduduk; Prediksi


Full Text:

PDF

References


Purwadi, P. Sari, And N. Safitri, “Penerapan Data Mining Untuk Mengestimasi Laju Pertumbuhan Penduduk Menggunakan Metode Regresi Linier Berganda Pada Bps Deli Serdang,” Sains Dan Komput., Vol. 18, No. 1, Pp. 55–61, 2019.

M. Ardiansyah, A. Alim, N. Fadilah, And N. Dhi, “Analisis Data Science Pada Struktur Data Kepadatan Penduduk Kota Tegal,” Jupti, Vol. 1, No. 3, Pp. 35–41, 2022.

N. R. Rahmawati, “Prediksi Laju Pertumbuhan Penduduk Dengan Program Matlab Menggunakan Metode Jaringan Syaraf Tiruan,” J. Publ. Tek. Inform., Vol. 2, No. 1, Pp. 1–5, 2023.

A. K. Dewi, M. T. Furqon, And Wihandika, “Prediksi Laju Pertumbuhan Penduduk Menggunakan Metode Support Vector Regression,” Pengemb. Teknol. Inf. Dan Ilmu Komput., Vol. 4, No. 1, Pp. 421–427, 2020.

P. Kurniawan, H. Rossa, A. Permana, W. A. Ramadan, And B. W. Aji, “Prediksi Jumlah Penduduk Jakarta Selatan Menggunakan Metode Regresi Linear Berganda Multiple Linear Regression Method,” J. Sist. Dan Teknol. Inf., Vol. 10, No. 4, Pp. 518–523, 2022, Doi: 10.26418/Justin.V10i4.48331.

A. Agung And A. Putri, “Penerapan Data Mining Untuk Mengestimasi Laju Data Mining Usage To Estimate Civil Growth In Denpasar,” Jbase, Vol. 6, No. 1, Pp. 37–44, 2023.

R. Armanda, Kurnia, “Prediksi Pertumbuhan Penduduk Kecamatan Cimaragas Kabupaten Ciamis Dengan Metode Artificial Neural Network,” J. Algoritm., Vol. 3, No. 2, Pp. 170–178, 2023.

M. Adi And P. Hutabarat, “Penerapan Algoritma Backpropagation Dalam Memprediksi Jumlah Penduduk Di Kecamatan Pematang Bandar Berdasarkan Nagori / Kelurahan,” J. Inf. Syst. Res., Vol. 1, No. 2, Pp. 63–69, 2020.

H. Aulawi, R. Kurniawati, And V. V. Pratama, “Analisa Keputusan Pemilihan Jasa Ekspedisi Dengan Metode Ahp Dan Borda,” No. 1, Pp. 23–29.

R. Roosdianto, A. Sari, And A. Satriansyah, “Rancang Bangun Aplikasi Sistem Informasi Absensi Karyawan,” J. Inti Nusa Mandiri, Vol. 15, No. 2, Pp. 135–142, 2021.

A. F. Suahati, A. A. Nurrahman, And O. Rukmana, “Penggunaan Jaringan Syaraf Tiruan – Backpropagation Dalam Memprediksi Jumlah Mahasiswa Baru Predicting Number Of New Student Using Artificial Neural Network - Backpropagation,” J. Media Tek. Dan Sist. Ind., Vol. 6, No. 1, Pp. 21–29, 2022, Doi: 10.35194/Jmtsi.V6i1.1589.

J. Rinaldi, H. Haviluddin, And S. Pakpahan, “Algoritma Backpropagation Neural Network Dalam Memprediksi Harga Komoditi Tanaman Karet,” J. Ilm., Vol. 12, No. 1, Pp. 32–38, 2020.

B. Yanto, R. Hutagaol, And R. Rahman, “Analisis Optimasi Algoritma Backpropagation Momentum Dalam Memprediksi Jenis Tingkat Kejahatan Di Kecamatan Tambusai Utara Budi,” Vol. 1, Pp. 47–60, 2022.

V. V. Utari, A. Wanto, I. Gunawan, And Z. M. Nasution, “Prediksi Hasil Produksi Kelapa Sawit Ptpn Iv Bahjambi Menggunakan Algoritma Backpropagation,” J. Comput. Syst. Informatics (Josyc, Vol. 2, No. 3, Pp. 271–279, 2021.

F. Khairati And H. Putra, “Prediksi Kuantitas Penggunaan Obat Pada Layanan Kesehatan Menggunakan Algoritma Backpropagation Neural Network,” J. Sistim Inf. Dan Teknol., Vol. 4, Pp. 128–135, 2022, Doi: 10.37034/Jsisfotek.V4i3.158.




DOI: https://doi.org/10.33330/jurteksi.v10i1.2890

Article Metrics

Abstract view : 196 times
PDF - 58 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK ROYAL 

Copyright © LPPM STMIK ROYAL

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.