Prediksi Jumlah Penduduk Miskin Di Provinsi Kalimantan Selatan Menggunakan Jaringan Syaraf Tiruan Backpropagation

Amina, Farida (2014) Prediksi Jumlah Penduduk Miskin Di Provinsi Kalimantan Selatan Menggunakan Jaringan Syaraf Tiruan Backpropagation. Masters thesis, Insititut Teknologi Sepuluh Nopember.

Text 1211201203_Master_Thesis.pdf Download (2MB)

Abstract

Masalah kemiskinan merupakan salah satu persoalan mendasar yang menjadi pusat perhatian pemerintah di negara manapun. Hampir setiap tahunnya terjadi peningkatan jumlah penduduk miskin. Menurut Badan Pusat Statistik (BPS), penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran per kapita per bulan dibawah Garis Kemiskinan. Namun, apabila kita melihat realita dalam kehidupan masyarakat, dapat diasumsikan bahwa terdapat beberapa indikator lain yang berkaitan dengan jumlah penduduk miskin, diantaranya adalah nilai Produk Domestik Regional Bruto (PDRB), inflasi, ekspor-impor, luas panen padi dan palawija, jumlah industri manufaktur besar dan sedang, jumlah pengangguran, serta jumlah penduduk. Pemilihan indikator-indikator tersebut didasari pada kenyataan bahwa adanya keterkaitan langsung dengan tingkat pendapatan penduduk. Untuk itu, dalam penelitian ini, guna mengetahui indikator yang lebih berkaitan dengan jumlah penduduk miskin di Kalimantan Selatan, digunakan metode Principal Component Analysis (P CA) dan regresi berganda. Indikator-indikator yang berhubungan erat dengan jumlah penduduk miskin di Kalimantan Selatan yaitu PDRB sektor jasa – jasa atas dasar harga konstan, jumlah pengangguran, pengeluaran rata-rata perkapita sebulan untuk barang tahan lama, dan pengeluaran rata-rata perkapita sebulan untuk kelompok buah. Koefisien regresi yang positif pada setiap variabel bebas menunjukkan bahwa jumlah penduduk miskin akan semakin tinggi jika indikator-indikator tersebut semakin tinggi. Namun, Prediksi dengan penginputan hasil prediksi time series variabel bebas ke persamaan regresi untuk mendapatkan hasil prediksi jumlah penduduk miskin setiap bulannya pada tahun 2012 memiliki nilai MAPE yang lebih besar yaitu 9,98 % sehingga lebih kecil keakurasiannya dibandingkan prediksi dengan JST time series dari jumlah penduduk miskin yaitu sebesar 8,74%. Hasil estimasi jumlah penduduk miskin pada bulan ke-1 tahun 2012 adalah sebesar 244.466 orang. Sedangkan pada data sebenarnya berjumlah 250.568 orang. Sehingga nilai MAPE estimasi tersebut sebesar 2,43 %.
===============================================================================================================================
Poverty is one of the fundamental problems that become the center of attention of the government in any country. Nearly every year number of poor people have increasing. According to Badan Pusat Statistik (BPS), the poor are people who have an average monthly per capita expenditure below the poverty line . However , if we look at the reality in people's lives, it can be assumed that there are some other indicators related to poverty, such as the value of Gross Domestic Product (GDP), inflation, export, ric and pulses harvested area, the number of large and medium manufacturing industries, the number of unemployement, and total population . The selection of these indicators is based on the fact that the existence of a direct relationship with the level population income. Therefore, in this study, to determine the indicators which more related to the number of poor people in South Kalimantan, have been used Principal Component Analysis (PCA) and multiple regression method . The indicators are closely related to the number of poor people in South Kalimantan, namely GDP services sector at constant prices, the number of unemployement, the average expenditures per capita a month for durable goods, and the average expenditure per capita a month for the fruit group. Positive regression coefficient for each independent variable indicates that the number of poor people would be higher if these indicators are higher. However, predictions by inputting the results predicted time series of independent variables to the regression equation with back propagation neural network predictions have larger accuration value MAPE than back propagation neural network with time series of the number of poor people. The first MAPE is 9,98 %, and the latter is only 8,74%. Estimation result for the number of poor people at first month in 2012 is 244.466 people. On the other hand, the actual data is 250.568 people. So the MAPE estimation is 2,43 %.

Item Type:	Thesis (Masters)
Additional Information:	RTMa 006.32 Ami p-2014
Uncontrolled Keywords:	jaringan syaraf tiruan backpropagation, kemiskinan, metode PCA, regresi berganda, prediksi, backpropagation neural network, poverty, PCA method, multiple regression, prediction
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Mathematics and Science > Mathematics > 44101-(S2) Master Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	28 Dec 2023 03:35
Last Modified:	28 Dec 2023 03:35
URI:	http://repository.its.ac.id/id/eprint/105320

Actions (login required)

View Item