Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sains Natural Semeton Mathematics Journal
Tri Maryono Rusadi
Program Studi Matematika, Universitas Mataram
Chemical Engineering, Chemistry & Bioengineering Mathematics Nursing Physics Public Health

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Jaringan Saraf Tiruan Berbasis Algoritma Backpropagation untuk Prediksi Jumlah Penduduk di Provinsi Nusa Tenggara Barat Ajik Malik Saputra; Irene Salsabila; Rizka Purnama Sari; Tri Maryono Rusadi
Jurnal Sains Natural Vol. 4 No. 1 (2026): Februari
Publisher : Puslitbang Sekawan Institute Nusa Tenggara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35746/jsn.v4i1.957

Abstract

Perubahan jumlah penduduk merupakan indikator penting dalam perencanaan pembangunan daerah karena berkaitan langsung dengan penyediaan layanan publik, pembangunan infrastruktur, dan perumusan kebijakan sosial ekonomi. Oleh karena itu, diperlukan metode prediksi yang mampu menangani pola data yang bersifat nonlinier dan kompleks. Penelitian ini menerapkan algoritma Backpropagation pada Jaringan Saraf Tiruan (JST) untuk memprediksi jumlah penduduk Provinsi Nusa Tenggara Barat berdasarkan data tahunan periode 1995–2024 yang diperoleh dari Badan Pusat Statistik (BPS). Data diproses menggunakan normalisasi Min-Max dengan pola empat tahun sebagai input dan satu tahun sebagai target. Dataset kemudian dibagi menjadi 80% data latih dan 20% data uji. Tiga arsitektur jaringan diuji, yaitu 4-15-1, 4-10-1, dan 4-5-1, guna menentukan struktur jaringan yang paling optimal. Hasil pengujian menunjukkan bahwa arsitektur 4-15-1 memberikan kinerja terbaik, ditunjukkan oleh nilai Mean Absolute Percentage Error (MAPE) yang paling rendah dan stabil selama periode pengujian 2019–2024 yaitu sebesar 2,78%. Hal ini menunjukkan bahwa jumlah neuron tersembunyi yang lebih besar mampu menangkap pola pertumbuhan penduduk secara lebih akurat. Berdasarkan hasil tersebut, model JST dengan arsitektur 4-15-1 dinilai layak digunakan untuk memprediksi jumlah penduduk Provinsi Nusa Tenggara Barat pada tahun 2025 serta dapat mendukung proses perencanaan dan pengambilan keputusan pembangunan daerah. Pendekatan ini juga menunjukkan potensi penerapan metode kecerdasan buatan dalam analisis kependudukan dan perencanaan pembangunan yang berkelanjutan di tingkat daerah provinsi.
Prediksi Curah Hujan di Kota Bima Menggunakan Algoritma Backpropogation Dengan Optimasi Bee Colony De Siroj Ragil Ahmad; Rizki Maulana; Mustakim Ali; Tri Maryono Rusadi
Semeton Mathematics Journal Vol 3 No 1 (2026): April
Publisher : Program Studi Matematika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/semeton.v3i1.366

Abstract

Prediksi curah hujan merupakan hal penting bagi pemerintah Kota Bima dalam mendukung pembangunan daerah dan mitigasi bencana. Penelitian ini bertujuan untuk memodelkan prediksi curah hujan di Kota Bima menggunakan Jaringan Syaraf Tiruan (JST) metode Backpropagation yang dioptimasi dengan algoritma Bee Colony. Data yang digunakan adalah data historis curah hujan dari BMKG tahun 2020 hingga 2024. Dalam tahap pra-pemrosesan, teknik Interpolasi Lagrange diterapkan untuk melengkapi data curah hujan yang kosong agar hasil pelatihan lebih optimal. Data tahun 2020-2023 digunakan sebagai data training, sedangkan data tahun 2024 digunakan sebagai data testing. Hasil penelitian menunjukkan bahwa model JST mampu mengenali pola curah hujan dengan baik. Implementasi algoritma Artificial Bee Colony terbukti berhasil mengoptimasi parameter bobot pada JST dan meningkatkan akurasi prediksi dibandingkan dengan metode Backpropagation standar. Hal ini dibuktikan dengan penurunan nilai Root Mean Square Error (RMSE) pada data testing, di mana model Backpropagation standar menghasilkan RMSE sebesar 7,90, sementara model yang dioptimasi dengan Bee Colony menghasilkan RMSE yang lebih rendah yaitu 7,80. Penelitian ini menyimpulkan bahwa penggunaan algoritma Bee Colony lebih efektif dalam meminimalkan kesalahan prediksi curah hujan di wilayah Kota Bima.
Co-Authors Ajik Malik Saputra De Siroj Ragil Ahmad Irene Salsabila Mustakim Ali Rizka Purnama Sari Rizki Maulana