PENERAPAN JARINGAN SYARAF TIRUAN UNTUK PREDIKSI BIAYA PROYEK KONTRUKSI JALAN MENGGUNAKAN METODE BACKPROPAGATION DENGAN MODEL MLP (STUDI KASUS : JALAN WILAYAH KABUPATEN PEKALONGAN)

Syahrul, Andika
Kurniadi , Dedy

Journal of Information Systems Management and Digital Business
Vol. 2 No. 4 (2025): Juli

Penelitian ini bertujuan untuk mengembangkan sistem prediksi harga satuan dan estimasi biaya proyek jalan berbasis web menggunakan model Artificial Neural Network (ANN) dengan arsitektur Multilayer Perceptron (MLP) dan algoritma backpropagation. Model dilatih dengan data historis harga satuan empat jenis pekerjaan jalan—Lapis Pondasi Agregat, Pelaburan Keras, Aggregat Penutup Burda, dan Latasir Manual—dari tahun 2017 hingga 2024. Data diproses melalui tahapan cleaning, transformasi ke long format, encoding, dan normalisasi. Proses pelatihan menggunakan 300 epoch dengan batch size 32 dan validasi 20% dari data pelatihan. Hasil evaluasi menunjukkan performa model yang sangat baik dengan nilai Mean Squared Error (MSE) sebesar 598.031.344,79, Mean Absolute Error (MAE) sebesar 12.923,91, Mean Absolute Percentage Error (MAPE) sebesar 24,68%, serta koefisien determinasi (R²) sebesar 0,9818. Visualisasi scatter plot dan histogram distribusi prediksi juga menunjukkan kedekatan yang konsisten antara nilai aktual dan prediksi. Dengan performa tersebut, model ANN terbukti mampu melakukan prediksi harga satuan yang akurat dan dapat digunakan untuk membantu pengambilan keputusan dalam perencanaan anggaran proyek konstruksi jalan.