Optimalisasi Parameter dengan Cross Validation dan Neural Back-propagation Pada Model Prediksi Pertumbuhan Industri Mikro dan Kecil

Windarto, Agus Perdana and Defit, Sarjon and Wanto, Anjar (2021) Optimalisasi Parameter dengan Cross Validation dan Neural Back-propagation Pada Model Prediksi Pertumbuhan Industri Mikro dan Kecil. urnal Sistem Informasi Bisnis, 1. pp. 34-42.

Text 10-SINBIS-Vol11No1.pdf Download (750kB)

Abstract

Pentingnya melakukan prediksi adalah untuk mengurangi ketidakpastian dan membuat perkiraan lebih baik dari apa yang akan terjadi di masa depan. Oleh karena itu dibutuhkan berbagai analisa untuk meningkatkan hasil prediksi dengan melakukan optimasi atau perbaikan dari sejumlah metode. Tujuan dari penelitian untuk menganalisa hasil prediksi melalui akurasi dari metode back-propagation dengan melakukan optimasi pada pelatihan dan pengujian dengan optimize parameters dengan cross validation pada pertumbuhan produksi Industri mikro dan kecil di Indonesia. Metode yang digunakan adalah back-propagation. Hasil tersebut dibandingkan dengan hasil back-propagation tanpa menggunakan optimasi dengan model arsitektur yang sama pada saat pelatihan dan pengujian. Dataset bersumber dari Badan Pusat Statistik (BPS) tentang pertumbuhan produksi pada usaha mikro dan kecil berdasarkan provinsi. Data terdiri dari 34 record dimana data pertumbuhan produksi diambil dari tahun 2015 – 2019. Hasil menggunakan optimasi menggungguli model back-propagation tanpa optimasi dengan melihat RMSE dimana diperoleh RMSE terbaik pada model arsitektur 3-2-1 dengan tipe samping adalah shuffled sampling. Nilai RMSE yang diperoleh adalah 0.1526 atau selisih 0,0034 dari model arsitektur terbaik back�propagation tanpa optimasi yakni 3-2-1 (0.157). Dengan model tersebut diperoleh hasil prediksi mencapai 94 persen.

Actions (login required)

View Item