Implementation of the Generalized Regression Neural Network (GRNN) Algorithm in Predicting the Level of People’s Welfare in Maluku Province

Marlon Stivo Noya van Delsen (Jurusan Matematika FMIPA Universitas Pattimura)
Mei Anista Ririmasse
Rosalina Salhuteru

Tensor: Pure and Applied Mathematics Journal
Vol 7 No 1 (2026): Tensor: Pure and Applied Mathematics Journal

Permasalahan kesejahteraan rakyat di Provinsi Maluku masih menjadi isu utama yang ditandai dengan tingginya tingkat kemiskinan, rendahnya pengeluaran per kapita, serta keterbatasan akses terhadap pendidikan dan kesehatan. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi tingkat kesejahteraan rakyat serta mengukur akurasi algoritma Generalized Regression Neural Network (GRNN) dalam memprediksi tingkat kesejahteraan rakyat di Provinsi Maluku. Penelitian yang digunakan adalah penelitian kuantitatif dengan menerapkan GRNN pada delapan variabel sosial ekonomi yang diperoleh dari data Badan Pusat Statistik (BPS) Maluku tahun 2020–2024. Analisis korelasi Pearson digunakan untuk seleksi variabel, dilanjutkan dengan optimasi parameter sigma menggunakan grid search. Hasil penelitian menunjukkan enam variabel berpengaruh signifikan dan dilanjutkan sebagai input pemodelan. Model GRNN dengan sigma optimal 0,3 menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 6,15%, yang termasuk kategori “sangat baik.” Oleh karena itu GRNN efektif digunakan untuk memprediksi tingkat kesejahteraan rakyat di Provinsi Maluku serta dapat menjadi dasar bagi pemerintah daerah dalam merumuskan kebijakan sosial-ekonomi yang lebih tepat sasaran.