Model Jaringan Saraf Tiruan untuk Estimasi Penduduk Miskin di Indonesia Sebagai Upaya Pengentasan Kemiskinan

Anjar Wanto (STIKOM Tunas Bangsa Pematangsiantar)
Jaya Tata Hardinata (STIKOM Tunas Bangsa Pematangsiantar)

Seminar Nasional Aplikasi Teknologi Informasi (SNATI)
2019: Peran Sains Data Dari Perspektif Akademisi dan Praktisi

Penelitian ini bertujuan menentukan model arsitektur jaringan terbaik yang tepat untuk melakukan estimasi Penduduk Miskin di Indonesia menggunakan salah satu algoritma jaringan saraf tiruan, yakni dengan metode Bayesian Regulation. Metode ini melakukan fungsi pelatihan jaringan dengan cara memperbarui bobot dan nilai bias menurut pengoptimalan LevenbergMarquardt. Data yang digunakan pada penelitian ini adalah data penduduk miskin tiap provinsi di Indonesia tahun 2012 sampai tahun 2018 berdasarkan semester, yang bersumber dari Badan Pusat Statistik Indonesia (BPS). Berdasarkan data ini akan dibentuk dan ditentukan model arsitektur jaringan yang digunakan dengan metode Bayesian Regulation, antara lain 10-5-10-2, 10-10-15-2, 10-15-10-2, 10-15-20-2, dan 10-25-25-2. Dari 5 model ini setelah dilakukan pelatihan dan pengujian diperoleh hasil bahwa model arsitektur terbaik adalah 10-25-25-2 (10 adalah input layer, 25 adalah jumlah neuron hiden layer pertama dan 25 selanjutnya juga merupakan jumlah neuron hiden layer kedua, 2 adalah output layer). Tingkat akurasi dari model arsitektur ini adalah 94,1% dan 61,8% dengan nilai MSE sebesar 0,00013571 dan 0,00005189. Dari penentuan model terbaik ini selanjutnya akan dapat digunakan untuk mengestimasi penduduk miskin di Indonesia sebagai upaya dini pemerintah dalam pengentasan kemiskinan.