Prediksi Tingkat Inflasi Dengan Menggunakan Metode Backpropagation Neural Network

Kelvin Wong (Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Mulawarman)
Aji Prasetya Wibawa (Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Malang)
Herman Santoso Pakpahan (Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Mulawarman)
Anton Prafanto (Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Mulawarman)
Hario Jati Setyadi (Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Mulawarman)

Sains, Aplikasi, Komputasi dan Teknologi Informasi
Vol 1, No 2 (2019): Sains, Aplikasi, Komputasi dan Teknologi Informasi

Artikel ini bertujuan untuk memprediksi tingkat inflasi di Kota Samarinda, Kalimantan Timur dengan mengimplementasikan algoritma cerdas, Backpropagation Neural Network (BPNN). Data tingkat inflasi diperoleh dari Biro Pusat Statistik Provinsi (BPS) Kota Samarinda https://samarindakota.bps.go.id/ periode Januari 2012 hingga Januari 2017. Pengukuran akurasi prediksi algoritma BPNN menggunakan metode mean square error (MSE). Berdasarkan hasil percobaan, metode BPNN dengan parameter arsitektur 5-5-5-1; fungsi pembelajaran adalah trainlm; fungsi aktivasi adalah logsig dan purelin; laju pembelajaran adalah 0.1 mampu menghasilkan tingkat kesalahan prediksi yang baik dengan nilai MSE sebesar 0.00000424. Hasil penelitian menunjukkan bahwa algoritma BPNN ini dapat digunakan sebagai alternatif metode dalam memprediksi tingkat inflasi dalam rangka mendukung pertumbuhan ekonomi yang berkesinambungan sehingga dapat meningkatkan kesejahteraan masyarakat di Kota Samarinda, Kalimantan Timur.