Analisis Peramalan Angka Kemiskinan Berdasarkan Interpolasi Cubic Spline Menggunakan Metode Backpropagation Neural Network (Studi Kasus: Provinsi Jawa Timur)

Putri, Indira Maharani Haryono (2022) Analisis Peramalan Angka Kemiskinan Berdasarkan Interpolasi Cubic Spline Menggunakan Metode Backpropagation Neural Network (Studi Kasus: Provinsi Jawa Timur). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06311840000050_Undergraduate_Thesis.pdf Download (1MB)

Abstract

Kemiskinan merupakan salah satu permasalahan global dan nasional yang masih terus berlangsung dan menjadi perhatian banyak pihak. Indonesia adalah salah satu negara dengan angka kemiskinan yang cukup tinggi. Menurut Badan Pusat Statistik, pada Maret 2021 jumlah penduduk miskin terbanyak masih berada di Pulau Jawa dengan penduduk miskin paling banyak ditemukan di Provinsi Jawa Timur. Berdasarkan permasalahan tersebut, salah satu solusi yang dapat dilakukan untuk membantu pemerintah dalam melakukan antisipasi terhadap kemungkinan bertambahnya jumlah penduduk miskin adalah dengan melakukan peramalan (forecasting) pada jumlah penduduk miskin. Pada penelitian ini, digunakan metode peramalan Backpropagation Neural Network untuk meramalkan angka kemiskinan di Provinsi Jawa Timur di masa mendatang. Data yang digunakan untuk peramalan yaitu data time series jumlah penduduk miskin di Provinsi Jawa Timur berupa data tahunan pada periode tahun 2002 sampai 2021. Dengan unit penelitian yaitu tiap kota/kabupaten di Provinsi Jawa Timur yang terdiri atas 38 kota/kabupaten. Di dalam analisis penelitian, dilakukan interpolasi data dengan metode Cubic Spline. Dari hasil penelitian, hasil interpolasi data angka kemiskinan di Provinsi Jawa Timur berhasil didapatkan menggunakan metode Cubic Spline dengan penambahan titik sebanyak 1 dan 3 titik sehingga data yang awalnya hanya berjumlah 20 periode data bertambah menjadi 39 data dengan periode semester dan 77 data dengan periode kuartal. Dalam pemodelan BPNN, didapatkan model terbaik dengan arsitektur jaringan BPNN (4-9-1) pada hasil interpolasi semester dan arsitektur jaringan BPNN (4-12-1) pada hasil interpolasi kuartal. Berdasarkan hasil training dan testing, baik data hasil interpolasi semester maupun kuartal memiliki kinerja yang sangat baik dengan kisaran nilai MAPE di bawah 10%. Dari kedua hasil peramalan pada masing-masing hasil interpolasi baik semester maupun kuartal, didapatkan persamaan hasil bahwa terdapat 5 kota di Provinsi Jawa Timur yang mengalami kenaikan angka kemiskinan untuk 5 tahun ke depan, yaitu pada Kota Blitar, Kota Pasuruan, Kota Mojokerto, Kota Madiun, dan Kota Batu.
=============================================================================================================================
Poverty is one of the global and national problems that is still ongoing and is the concern of many parties. Indonesia is one of the countries with a fairly high poverty rate. According to the Central Statistics Agency, in March 2021 the highest number of poor people will still be on the island of Java with the most poor people found in East Java Province. Based on these problems, one solution that can be done to assist the government in anticipating the possibility of increasing the number of poor people is by forecasting the number of poor people. In this study, the Backpropagation Neural Network forecasting method is used to predict the poverty rate in East Java Province in the future. The data used for forecasting is time series data on the number of poor people in East Java Province in the form of annual data for the period from 2002 to 2021. The research unit is each city/district in East Java Province which consists of 38 cities/districts. In the research analysis, data interpolation is carried out using the Cubic Spline method. From the results of the study, the results of interpolation of data on poverty rates in East Java Province were successfully obtained using the Cubic Spline method with the addition of 1 and 3 points so that the data which initially only amounted to 20 data periods increased to 39 data with semester periods and 77 data with quarter periods. In BPNN modeling, the best model is obtained with the BPNN network architecture (4-9-1) on the semester interpolation results and the BPNN network architecture (4-12-1) on the quarterly interpolation results. Based on the results of training and testing, both semester and quarterly nterpolated data have excellent performance with a range of MAPE values below 10%. From the two forecasting results in each interpolation result, both semester and quarter, it is found that there are 5 cities in East Java Province that experience an increase in poverty rates for the next 5 years, namely Blitar City, Pasuruan City, Mojokerto City, Madiun City, and Batu City.

Item Type:	Thesis (Other)
Additional Information:	RSAk 519.535 Put a-1 2022
Uncontrolled Keywords:	Peramalan, Angka Kemiskinan, Interpolasi Cubic Spline, Artificial Neural Network, Backpropagation
Subjects:	Q Science > QA Mathematics > QA280 Box-Jenkins forecasting
Divisions:	Faculty of Mathematics, Computation, and Data Science > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	26 Nov 2024 05:47
Last Modified:	26 Nov 2024 05:47
URI:	http://repository.its.ac.id/id/eprint/115838

Actions (login required)

View Item