BibTex Citation Data :
@article{JMASIF10123, author = {Erlangga Erlangga and Sukmawati Endah and Eko Sarwoko}, title = {Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation}, journal = {Jurnal Masyarakat Informatika}, volume = {6}, number = {11}, year = {2015}, keywords = {Backpropagation, Pertumbuhan Ekonomi Indonesia, Jaringan Syaraf Tiruan}, abstract = { Pertumbuhan ekonomi merupakan salah satu indikator penting dalam menganalisis pembangunan perekonomian yang terjadi di suatu negara. Dengan mengetahui pertumbuhan ekonomi di masa mendatang, dapat memberikan gambaran terhadap situasi moneter di suatu negara. Angka pertumbuhan ekonomi yang tidak selalu linier, memberi kesulitan tersendiri dalam melakukan proses prediksi. Untuk itu diperlukan suatu metode yang mampu menangani karakteristik data pertumbuhan ekonomi yang terkadang bersifat non-linier, salah satunya adalah metode backpropagation. Adanya data-data masa lalu mengenai pertumbuhan ekonomi, menjadikan jaringan syaraf tiruan metode backpropagation dapat diterapkan untuk memprediksi pertumbuhan ekonomi. Pada metode backpropagation terjadi penyesuaian nilai bobot dan bias yang semakin baik pada proses pelatihan, sehingga target keluaran lebih mendekati ketepatan. Berdasarkan hasil pengujian yang telah dilakukan, performa terbaik yang didapat dari perbandingan kombinasi jumlah neuron hidden layer dan learning rate , mampu menghasilkan prediksi yang mendekati angka pertumbuhan ekonomi faktual, yakni 5,86%. Hasil ini menunjukkan tingkat keakuratan sebesar 99,92% untuk prediksi pertumbuhan ekonomi Indonesia di tahun 2013 dengan data faktual sebesar 5,78%. }, issn = {2777-0648}, pages = {1--8} doi = {10.14710/jmasif.6.11.10123}, url = {https://ejournal.undip.ac.id/index.php/jmasif/article/view/10123} }
Refworks Citation Data :
Pertumbuhan ekonomi merupakan salah satu indikator penting dalam menganalisis pembangunan perekonomian yang terjadi di suatu negara. Dengan mengetahui pertumbuhan ekonomi di masa mendatang, dapat memberikan gambaran terhadap situasi moneter di suatu negara. Angka pertumbuhan ekonomi yang tidak selalu linier, memberi kesulitan tersendiri dalam melakukan proses prediksi. Untuk itu diperlukan suatu metode yang mampu menangani karakteristik data pertumbuhan ekonomi yang terkadang bersifat non-linier, salah satunya adalah metode backpropagation. Adanya data-data masa lalu mengenai pertumbuhan ekonomi, menjadikan jaringan syaraf tiruan metode backpropagation dapat diterapkan untuk memprediksi pertumbuhan ekonomi. Pada metode backpropagation terjadi penyesuaian nilai bobot dan bias yang semakin baik pada proses pelatihan, sehingga target keluaran lebih mendekati ketepatan. Berdasarkan hasil pengujian yang telah dilakukan, performa terbaik yang didapat dari perbandingan kombinasi jumlah neuron hidden layer dan learning rate, mampu menghasilkan prediksi yang mendekati angka pertumbuhan ekonomi faktual, yakni 5,86%. Hasil ini menunjukkan tingkat keakuratan sebesar 99,92% untuk prediksi pertumbuhan ekonomi Indonesia di tahun 2013 dengan data faktual sebesar 5,78%.
Article Metrics:
Last update:
Last update: 2024-11-21 01:32:28
The authors who submit the manuscript must understand that the article's copyright belongs to the author(s) if accepted for publication. However, the author(s) grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. Authors should also understand that their article (and any additional files, including data sets, and analysis/computation data) will become publicly available once published under that license. See our copyright policy. By submitting the manuscript to Jmasif, the author(s) agree with this policy. No special document approval is required.
The author(s) guarantee that:
The author(s) retain all rights to the published work, such as (but not limited to) the following rights:
Suppose the article was prepared jointly by more than one author. Each author submitting the manuscript warrants that all co-authors have given their permission to agree to copyright and license notices (agreements) on their behalf and notify co-authors of the terms of this policy. Jmasif will not be held responsible for anything arising because of the writer's internal dispute. Jmasif will only communicate with correspondence authors.
Authors should also understand that their articles (and any additional files, including data sets and analysis/computation data) will become publicly available once published. The license of published articles (and additional data) will be governed by a Creative Commons Attribution-ShareAlike 4.0 International License. Jmasif allows users to copy, distribute, display and perform work under license. Users need to attribute the author(s) and Jmasif to distribute works in journals and other publication media. Unless otherwise stated, the author(s) is a public entity as soon as the article is published.
