SISTEM PREDIKSI TINGKAT INFLASI PROVINSI JAWA TIMUR MENGGUNAKAN METODE MULTILAYER PERCEPTRON

BAYU TRI ANGGARA, BAYU TRI ANGGARA (2019) SISTEM PREDIKSI TINGKAT INFLASI PROVINSI JAWA TIMUR MENGGUNAKAN METODE MULTILAYER PERCEPTRON. Bachelor thesis, UNIVERSITAS ISLAM MAJAPAHIT MOJOKERTO.

	Text Laporan TA (Bayu).pdf Restricted to Repository staff only Download (4MB)
Preview	Text Jurnal (Bayu).pdf Download (911kB) | Preview

Abstract

ABSTRAK Anggara, Bayu Tri. 2018. Sistem Prediksi Tingkat Inflasi Provinsi Jawa Timur Menggunakan Metode Multilayer Perceptron. Tugas Akhir, Program Studi Teknik Informatika, Fakultas Teknik, Universitas Islam Majapahit (UNIM). Pembimbing I : Yesy Diah Rosita, S.Kom., M.Kom. Pembimbing II : Dinarta Hanum, S.Si., M.Si. Inflasi merupakan salah satu indikator perekonomian yang menunjukkan tingkat kenaikan harga barang kebutuhan pokok yang terjadi dalam perekonomian suatu wilayah ataupun negara. Inflasi merupakan indikator perekonomian yang sangat penting karena inflasi menyangkut daya beli masyarakat. Jika tingkat inflasi tetap rendah dan stabil maka daya beli masyarakat akan tetap terjaga yang pada akhirnya dapat menjadi stimulus pertumbuhan ekonomi. Menjaga tingkat inflasi tetap rendah dan stabil dirasa cukup sulit terutama untuk provinsi dengan aktivitas perekonomian yang tinggi seperti Provinsi Jawa Timur. Untuk menangani masalah tersebut maka diperlukan sistem yang dapat memprediksi tingkat inflasi agar dapat melakukan antisipasi apabila terjadi lonjakan tingkat inflasi sewaktu-waktu. Metode perhitungan yang digunakan untuk mengembangkan sistem prediksi ini adalah metode Multilayer Perceptron. Alasan dipilihnya metode Multilayer Perceptron karena metode tersebut memiliki kemampuan untuk menganalisa pola data dengan baik. Data yang digunakan pada penelitian ini adalah data time series inflasi bulanan sebanyak 114 dataset, 90 data digunakan untuk proses training, sedangkan 24 data data digunakan untuk proses testing. Hasil pengujian sistem menghasilkan nilai Mean Square Error (MSE) terbaik sebesar 0.092758 dengan parameter yang digunakan yaitu Hidden Neuron 5, Learning Rate 0.2, Max Iteration 1000 dan Max Error 0.002. Dari hasil penelitian dapat ditarik kesimpulan bahwa sistem telah berhasil dikembangkan dan mampu bekerja dengan baik. Kata kunci : Inflasi, Prediksi, Multilayer Perceptron, Time Series

Actions (login required)

View Item