PENINGKATAN EFEKTIVITAS METODE BACKPROPAGATION MENGGUNAKAN ALGORITMA GENETIKA UNTUK MELAKUKAN PREDIKSI ANOMALI DAN KETIDAKTERSEDIAAN DATA HASIL SURVEI (STUDI KASUS DI BPS KABUPATEN SOLOK)

Wafridh, Akbari (2023) PENINGKATAN EFEKTIVITAS METODE BACKPROPAGATION MENGGUNAKAN ALGORITMA GENETIKA UNTUK MELAKUKAN PREDIKSI ANOMALI DAN KETIDAKTERSEDIAAN DATA HASIL SURVEI (STUDI KASUS DI BPS KABUPATEN SOLOK). Masters thesis, Universitas Putra Indonesia YPTK.

	Text TESIS_AKBARI WAFRIDH_212321004_ABSTRAK.pdf Download (532kB)
	Text TESIS_AKBARI WAFRIDH_212321004_BAB I.pdf Download (335kB)
	Text TESIS_AKBARI WAFRIDH_212321004_DAFTAR PUSTAKA.pdf Download (330kB)
	Text TESIS_AKBARI WAFRIDH_212321004_FULL TEXT.pdf Restricted to Repository staff only Download (3MB)

Abstract

Anomali dan ketidaktersediaan data merupakan tantangan yang sering dihadapi peneliti dalam pelaksanaan kegiatan survei. Kedua hal ini dapat mempengaruhi validitas, reliabilitas, dan keakuratan hasil analisis yang didapatkan. Banyak metode yang dapat digunakan untuk mengatasi hal tersebut, diantaranya menggunakan Metode Backpropagation dalam melakukan prediksi data. Metode Backpropagation membutuhkan penentuan parameter awal yang tepat dan berkemungkinan terjebak dalam kondisi local minimum dan nilai minimal error bisa menjadi sangat besar. Untuk mengatasi kelemahan tersebut, dilakukan penelitian untuk meningkatkan efektivitas Metode Backpropagation menggunakan Algoritma Genetika. Algoritma Genetika dikenal efektif dalam pencarian solusi parameter optimal. Penelitian ini melakukan pembangunan sistem yang menerapkan peningkatan metode tersebut. Sistem yang dibangun berbasis website dan menggunakan bahasa pemrograman R. Data yang digunakan dalam penelitian ini adalah data hasil Survei Sosial Ekonomi Nasional BPS Tahun 2022 di Kabupaten Solok. Penelitian ini membandingkan hasil prediksi antara Metode Backpropagation, Metode Multiple Imputation, dan Metode Backpropagation yang ditingkatkan dengan Algoritma Genetika. Metode yang diajukan terbukti memberikan akurasi yang lebih baik dibandingkan metode yang lain dengan nilai rata-rata akurasi sebesar 83,27 persen. Metode lain paling baik hanya mampu memberikan nilai rata-rata akurasi sebesar 81,70 persen. Grafik perbandingan data hasil prediksi dan output nyata menunjukkan bahwa metode ini lebih baik digunakan dalam melakukan prediksi data yang outlier. Hasil akurasi yang rendah didapatkan karena data yang digunakan merupakan data mentah dan belum dilakukan pengolahan. Peningkatan metode ini sebaiknya digunakan pada data yang besar dan memiliki variabel yang banyak dan tidak diketahui bagaimana korelasi antar variabelnya.

Actions (login required)

View Item