Analisis Jaringan Saraf Dalam Estimasi Tingkat Pengangguran Terbuka Penduduk Sumatera Utara

Juli Wahyuni, Yuri Widya Paranthy, Anjar Wanto

Abstrak


Abstrak — Pengangguran merupakan salah satu masalah ekonomi yang mempengaruhi kehidupan manusia secara langsung. Di Indonesia tingkat persentase pengangguran cukup tinggi, khususnya pada provinsi Sumatera Utara. Contohnya tercatat pada tahun 2010, kota sibolga memilik tingkat pengangguran yang paling tinggi yaitu berada di angka 17.50% dari total penduduknya. Berbeda dengan Samosir yang hanya memilik 0.55% pengangguran dari total penduduknya. Untuk dapat mengurangi jumlah pengangguran, khususnya di Sumatera Utara maka perlu dilakukan estimasi tingkat pengangguran untuk tahun-tahun mendatang, agar pemerintah memiliki acuan dalam menentukan kebijakan sehingga dapat melakukan penanggulangan terhadap jumlah pengangguran. Data yang digunakan pada penelitian ini terfokus pada data tingkat pengangguran terbuka penduduk umur 15 tahun keatas dari tahun 2010-2015 di Sumatera Utara. Metode yang digunakan dalam penelitian ini yaitu Jaringan Saraf Tiruan Backpropagation. Analisa data dilakukan dengan algoritma backpropagation menggunakan Matlab. Arsitektur jaringan yang digunakan ada 5 model (4-55-1, 4-57-1, 4-59-1, 4-61-1 dan 4-77-1), dengan model yang terbaik adalah 4-55-1 dengan Learning Rate yang digunakan 0.01. Sehingga menghasilkan tingkat akurasi 88% dengan nilai Mean Squared Error (MSE) adalah 0,55701127.

Kata kunci— Pengangguran, Estimasi, Penduduk, Jaringan Saraf, Sumatera Utara.

Abstract — Unemployment is one of the economic problems that affect human life directly. In Indonesia the level of unemployment is quite high, especially in North Sumatra province. For example, recorded in 2010, sibolga city has the highest unemployment rate that is at 17.50% of the total population. In contrast to Samosir who only have 0.55% unemployment out of the total population. In order to reduce the number of unemployment, especially in North Sumatra, it is necessary to estimate the unemployment rate for the coming years, so that the government has a reference in determining the policy so that it can handle the number of unemployed. The data used in this study focuses on open unemployment rate data of the population aged 15 years and over from 2010-2015 in North Sumatra. The method used in this research is Artificial Neural Network Backpropagation. Data analysis is done by backpropagation algorithm using Matlab. Network architecture used there are 5 models (4-55-1, 4-57-1, 4-59-1, 4-61-1 and 4-77-1), with the best model is 4-55-1 with Learning Rate used 0.01. So as to produce an accuracy of 88% with the Mean Squared Error (MSE) is 0.55701127.

Keywords— Unemployment, Estimation, Population, Neural Network, North Sumatera.


Teks Lengkap:

PDF

Referensi


D. Setiawan, “Upaya Mengentaskan Pengangguran Terdidik Melalui Rintisan Desa Vokasi Berbasis Unggulan Daerah Di Kecamatan Ciwidey Kabupaten Bandung,” Jurnal EMPOWERMENT, vol. 2, no. 2, pp. 56–71, 2013.

A. Soleh, “Masalah Ketenagakerjaan Dan Pengangguran Di Indonesia,” Jurnal Ilmiah Cano Ekonomos, vol. 6, no. 2, pp. 83–92, 2017.

D. R. Swaramarinda, “Analisis Dampak Pengangguran Terhadap Kemiskinan Di Dki Jakarta,” Jurnal Pendidikan Ekonomi dan Bisnis (JPEB) Oktober, vol. 2, no. 2, pp. 2302–2663, 2014.

M. H. Prasaja, “Pengaruh Investasi Asing,Jumlah Penduduk dan Inflasi Terhadap Pengangguran Terdidik di Jawa Tengah,” Economics Development Analysis Journal, vol. 2, no. 3, pp. 72–84, 2013.

N. L. N. P. Ani and A. A. N. B. Dwirandra, “Pengaruh Kinerja Keuangan Daerah pada Pertumbuhan Ekonomi, Pengangguran dan Kemiskinan Kabupaten dan Kota,” E-Jurnal Akuntansi, vol. 6, no. 3, pp. 481–497, 2014.

S. Putra Siregar and A. Wanto, “Analysis Accuracy of Artificial Neural Network Using Backpropagation Algorithm In Predicting Process (Forecasting),” International Journal Of Information System & Technology, vol. 1, no. 1, pp. 34–42, 2017.

A. Wanto, M. Zarlis, Sawaluddin, D. Hartama, J. T. Hardinata, and H. F. Silaban, “Analysis of Artificial Neural Network Backpropagation Using Conjugate Gradient Fletcher Reeves In The Predicting Process,” Journal of Physics: Conference Series, vol. 930, no. 1, pp. 1–7, 2017.

A. Wanto, A. P. Windarto, D. Hartama, and I. Parlina, “Use of Binary Sigmoid Function And Linear Identity In Artificial Neural Networks For Forecasting Population Density,” International Journal Of Information System & Technology, vol. 1, no. 1, pp. 43–54, 2017.

M. A. P. Hutabarat, M. Julham, and A. Wanto, “Penerapan Algoritma Backpropagation Dalam Memprediksi Produksi Tanaman Padi Sawah Menurut Kabupaten/Kota di Sumatera Utara,” Jurnal semanTIK, vol. 4, no. 1, pp. 77–86, 2018.

E. Munarsih, “Peramalan Jumlah Pengangguran di Provinsi Sumatera Selatan dengan Metode Autoregressive Integreted Moving Average (ARIMA),” Jurnal Penelitian Sains, vol. 19, no. 1, pp. 1–5, 2017.

D. E. Ratnawati, D. P. Adwandha, Y. F. Arifin, and Machsus, “Perbandingan Antara Metode Bayesian-Backpropagation dan Genetic-Backpropagation Pada Prediksi Jumlah Pengangguran Terbuka Di Indonesia,” Seminar Nasional Penelitian & Pengabdian pada Masyarakat, pp. 241–245, 2011.

Y. Astutik and L. Kurniawan, “Analisis Kesalahan Siswa Dalam Menyelesaikan Soal Cerita Aritmatika Sosial,” Jurnal Pendidikan Matematika STKIP PGRI Sidoarjo, vol. 3, no. 1, pp. 95–100, 2015.

A. Wanto and A. P. Windarto, “Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation,” Jurnal & Penelitian Teknik Informatika Sinkron, vol. 2, no. 2, pp. 37–43, Oct. 2017.

A. Wanto et al., “Analysis Of Standard Gradient Descent With GD Momentum And Adaptive LR For SPR Prediction,” International Conference of Computer, Environment, Agriculture, Social Science, Health Science, Engineering and Technology (3rd ICEST), pp. 1–9, 2018.

T. Syahputra, J. Halim, and K. Perangin-angin, “Penerapan Data Mining Dalam Memprediksi Tingkat Kelulusan Uji Kompetensi ( UKOM ) Bidan Pada STIKes Senior Medan Dengan Menggunakan Metode Regresi Linier Berganda,” vol. 17, no. 1, pp. 1–7, 2018.

R. E. Pranata, S. P. Sinaga, and A. Wanto, “Estimasi Wisatawan Mancanegara Yang Datang ke Sumatera Utara Menggunakan Jaringan Saraf,” Jurnal semanTIK, vol. 4, no. 1, pp. 97–102, 2018.

A. Wanto, “Optimasi Prediksi Dengan Algoritma Backpropagation Dan Conjugate Gradient Beale-Powell Restarts,” Jurnal Teknologi dan Sistem Informasi, vol. 3, no. 3, pp. 370–380, Jan. 2018.

M. Fauzan et al., “Epoch Analysis And Accuracy 3 ANN Algorithm Using Consumer Price Index Data In Indonesia,” in International Conference of Computer, Environment, Agriculture, Social Science, Health Science, Engineering and Technology (3rd ICEST), 2018, pp. 1–7.

F. R. D. B. Simangunsong and S. D. Nasution, “Aplikasi Jaringan Saraf Tiruan Untuk Memprediksi Jumlah Pasien Rawat Inap dengan Metode Back Propagation,” Jurnal Riset Komputer (JURIKOM), vol. 2, no. 6, pp. 43–47, 2015.

E. Hartato, D. Sitorus, and A. Wanto, “Analisis Jaringan Saraf Tiruan Untuk Prediksi Luas Panen Biofarmaka di Indonesia,” Jurnal semanTIK, vol. 4, no. 1, pp. 49–56, 2018.

A. Wanto, “Penerapan Jaringan Saraf Tiruan Dalam Memprediksi Jumlah Kemiskinan Pada Kabupaten/Kota Di Provinsi Riau,” Kumpulan jurnaL Ilmu Komputer (KLIK), vol. 5, no. 1, pp. 61–74, 2018.

A. Wanto et al., “Levenberg-Marquardt Algorithm Combined With Bipolar Sigmoid Function To Measure Open Unemployment Rate In Indonesia,” International Conference of Computer, Environment, Agriculture, Social Science, Health Science, Engineering and Technology (3rd ICEST), pp. 1–7, 2018.

T. B. H. dan S. U. Masjkuri, “Analisis Pengaruh Jumlah Penduduk, Pendidikan, Upah Minimum Dan Produk Domestik Regional Bruto (PDRB) Terhadap Jumlah Pengangguran Di Kabupaten Dan KotaProvinsi Jawa Timur Tahun 2010-2014,” Jurnal Ilmu Ekonomi Terapan, vol. 2, no. 1, pp. 1–11, 2017.




DOI: http://dx.doi.org/10.30811/jim.v3i1.624

Refbacks

  • Saat ini tidak ada refbacks.