Penerapan Metode Resilient dalam Menentukan Model Arsitektur Terbaik untuk Prediksi Pengangguran Terbuka di Indonesia

Widodo Saputra, Jaya Tata Hardinata, Anjar Wanto

Abstract

Metode Resilient merupakan salah satu metode
Jaringan Saraf Tiruan yang sering digunakan untuk melakukan
sebuah prediksi, terutama pada data times series (berkelanjutan).
Metode ini mampu melakukan prediksi dengan belajar dari
data-data yang sudah pernah terjadi sebelumnya dengan terlebih
dahulu membentuk model arsitektur jaringan yang tepat. Oleh
karena itu, penelitian ini akan membahas tentang model
arsitektur jaringan terbaik yang tepat untuk melakukan prediksi
menggunakan metode Resilient. Metode ini pengembangan dari
metode Backpropagation. Data yang digunakan pada penelitian
ini adalah data pengangguran terbuka menurut pendidikan
tertinggi yang ditamatkan di Indonesia tahun 2005-2018
berdasarkan semester, yang bersumber dari Survei Angkatan
Kerja Nasional (Sakernas) yang diperoleh dari website Badan
Pusat Statistik Indonesia. Berdasarkan data ini akan dibentuk
dan ditentukan model arsitektur jaringan yang digunakan
dengan metode Resilient, antara lain 12-6-2, 12-12-2, 12-18-2, 12-
24-2, 12-12-12-2, 12-12-18-2, 12-18-18-2 dan 12-18-24-2. Dari 8
model ini setelah dilakukan pelatihan dan pengujian diperoleh
hasil bahwa model arsitektur terbaik adalah 12-18-2 (12 adalah
input layer, 18 adalah jumlah neuron hiden layer dan 2 adalah
output layer). Tingkat akurasi dari model arsitektur untuk
semester 1 dan semester 2 ini adalah 75% dengan nilai MSE
sebesar 0,00052083 dan 0,00105823.

Full Text:

PDF