BACKPROPAGATION ANALYSIS IN SELECTING THE BEST ARCHITECTURE TO PREDICTION THE NUMBER OF POPULATION OF SIANTAR MARTOBA

Arril Afatandio, Yuegilion Pranayama Purba, Muhammad Safii

Abstract


Abstract: Basically, this region experiences growth every year. The negative impact of uncontrolled population growth will cause social inequality and poverty and affect the progress and prosperity of the region. Judging from the number of residents registered with the Population and Civil Registration Service, Siantar Martoba District has a fairly high population growth rate, so it is necessary to predict the future population. In making a prediction, a good method is needed to solve a problem. In this research, a backpropagation algorithm was used using five architectures, namely architecture 4-71-1, 4-31-1, 4-16-1, 4-72-1, 4-83-1. From the results of tests carried out using data on the population of Siantar Martoba, the best architecture was obtained, namely architecture 4-31-1 with a mean squared error for training of 0.00009960 and a mean squared error for testing of 0.000099957 and obtained an epoch of 14012 iterations with a time of 01 minutes 40 seconds. It was concluded that this method can predict the population of Siantar Martoba in the future using Matlab R2011a, thus obtaining a population of Siantar Martoba of 36470 people.

           
Keywords: architecture; backpropagation; pematangsiantar; population; welfare

 

 

Abstrak: Pada dasarnya, wilayah ini mengalami pertumbuhan setiap tahunnya. Dampak negatif pertumbuhan penduduk yang tidak terkendali akan menyebabkan kesenjangan sosial dan kemiskinan dan mempengaruhi kemajuan, kesejahteraan daerah tersebut. Dilihat dari jumlah penduduk yang terdaftar pada Dinas Kependudukan dan Pencatatan Sipil Kecamatan siantar martoba mempunyai laju pertumbuhan penduduk yang cukup tinggi, sehingga perlu dilakukan prediksi jumlah penduduk masa depan. Dalam melakukan sebuah prediksi dibutuhkan sebuah metode yang baik dalam menyelesaikan sebuah permasalahan, dalam penelitian ini digunakan algoritma backpropagation dengan menggunakan lima arsitektur yaitu arsitektur 4-71-1, 4-31-1, 4-16-1, 4-72-1, 4-83-1. Dari hasil pengujian yang telah dilakukan dengan menggunakan data jumlah penduduk siantar martoba diperoleh arsitektur terbaik yaitu arsitektur 4-31-1 dengan nilai mean squared error pelatihan 0.00009960 dan mean squared error pengujian 0.000099957 dan memperoleh epoch 14012 iterations dengan waktu 01 menit 40 detik. Disimpulkan bahwa metode ini dapat memprediksi jumlah penduduk Siantar Martoba di masa depan dengan menggunakan Matlab R2011a, sehingga memperoleh jumlah penduduk siantar martoba sebanyak 36470 Jiwa.

 

Kata kunci: arsitektur; backpropagation; pematangsiantar; kependudukan; kesejahteraan

 


Full Text:

PDF

References


D. Desmawan, R. F. S, And N. A. Drajat, “Pengaruh Jumlah Penduduk Terhadap Pertumbuhan Ekonomi Di Kabupaten Tangerang Tahun 2019-2020,” J. Penelit. Ekon. Manaj. Dan Bisnis, Vol. 2, Pp. 150–157, 2023.

F. Ekawati, “Prediksi Laju Pertumbuhan Jumlah Penduduk Provinsi Kalimantan Selatan Menggunakan Metode K-Nearest,” J. Technol., Vol. 13, No. 4, Pp. 2–6, 2022.

S. P. Sianipar, V. A. Masinambow, A. Lutherani, And C. H. P. Lapian, “Pengaruh Jumlah Penduduk Dan Pengangguran Terhadap Sumatera Utara,” J. Berk. Ilm. Efisiensi, Vol. 22, No. 1, Pp. 24–34, 2022.

D. Tinambunan, “Penerapan Jaringan Syaraf Tiruan Backpropagation Untuk Analisis Jumlah Penduduk Kabupaten Simalungun,” J. Penelit. Ilmu Komput., Vol. 1, No. 1, Pp. 23–31, 2023.

H. Noviyanto And F. Arma, “Prediksi Pertumbuhan Penduduk Di Indonesia Menggunakan Metode Least Square,” J. Math., 2022.

P. Alviyonita And M. T. Furqon, “Prediksi Pertumbuhan Jumlah Penduduk Kota Malang Menggunakan Metode Average-Based Fuzzy Time Series,” J. Pengemb. Teknol. Inf. Dan Ilmu Komput., Vol. 4, No. 7, Pp. 1967–1974, 2020.

T. Rohana, J. Indra, And G. G. Munzi, “Kajian Model Backpropagation Dan Hybrid Anfis Dalam Memprediksi Pertumbuhan Penduduk Di Kabupaten Karawang,” J. Inf. Syst. Res., Vol. 4, No. 2, Pp. 374–381, 2023, Doi: 10.47065/Josh.V4i2.2547.

L. Costaner, Guntoro, And Lisnawati, “Prediksi Jumlah Kendaraan Di Provinsi Riau Menggunakan Metode Backpropagation,” J. Ilm. Ilmu Komput., Vol. 14, No. 1, Pp. 51–57, 2019.

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.

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.

H. Okprana, M. R. Lubis, And J. T. Hadinata, “Prediksi Kelulusan Toefl Menggunakan Metode Resilient Backpropagation,” J. Edukasi Dan Penelit. Inform., Vol. 6, No. 2, Pp. 275–279, 2020.

Z. Hasanati And D. Meidelfi, “Journal Of Applied Computer Science And Technology ( Jacost ) Kajian Implementasi Jaringan Syaraf Tiruan Metode Backpropagation Untuk Deteksi Bau,” J. Appl. Comput. Sci. Technol., Vol. 1, No. 2, Pp. 90–95, 2020.




DOI: https://doi.org/10.33330/jurteksi.v10i3.2891

Article Metrics

Abstract view : 69 times
PDF - 44 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Royal

Copyright © LPPM UNIVERSITAS ROYAL

 

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