Implementasi Metode Extreme Learning Machine (ELM) Untuk Memprediksi Indeks Pembangunan Manusia Provinsi DKI Jakarta
Abstract
Indeks Pembangunan Manusia (IPM) adalah tolok ukur untuk menghitung pencapaian pembangunan masyarakat di wilayah tertentu. IPM dibentuk berdasarkan 3 indikator dasar yaitu, pengetahuan, standar hidup layak dan kesehatan. Hal ini menyebabkan perhitungan IPM oleh Badan Pusat Statistik (BPS) membutuhkan waktu yang cukup lama ditambah masih harus mempublikasikan hasil perhitungan IPM tiap tahunnya. Data IPM dari tahun-tahun sebelumnya dapat digunakan sebagai parameter untuk keperluan prediksi. Melakukan prediksi IPM dapat membantu pemerintah Provinsi DKI Jakarta dalam pengambilan keputusan perencanaan kebijakan pembangunan di masa depan. Salah satu teknik yang dapat dipakai untuk prediksi IPM yaitu Extreme Learning Machine (ELM). ELM merupakan bentuk Jaringan Saraf Tiruan (JST) feedforward yang memiliki keunggulan dalam akurasi dan learning speed. Selanjutnya akan dicari performa terbaik dari 8 skenario yang telah dirumuskan, dengan demikian dalam penelitian ini diharapkan dapat menghasilkan nilai IPM di priode berikutnya secara akurat. Hasil terbaik yang didapatkan dari 8 sekenario penelitian yang dibuat adalah hasil dari sekenarioY3. RMSE yang didapatkan sebesar 0,025355 pada proses pengujian.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
Badan Pusat Statistik, 2018. Indeks Pembangunan Manusia 2017, Jakarta: s.n.
Sun, Z. L., Choi, T. M., Au, K. F. & Yu, Y., 2008. Sales Forecasting Using Extreme Learning Machine With Applications In Fashion Retailling. Decision Support Systems, Volume 46, pp. 411-419.
Rachmad Hidayat, S., 2012. Meminimalisasi Nilai Error Peramalan Dengan Algoritma Extreme Learning Machine. Optimasi Sistem Industri, Volume 11, pp. 187-192.
} Ashar, N. M., Cholissodin, I. & Dewi, C., 2018. Penerapan Metode Extreme Learning Machine (ELM) Untuk Memprediksi Jumlah Produksi Pipa Yang Layak. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, II(11), pp. 4621-4628.
Siang, J. J., (2009), Jaringan Syaraf Tiruan dan Pemrogramannya menggunakan Matlab, Yogyakarta: CV. Andi Offset.
Refbacks
- There are currently no refbacks.
Copyright (c) 2020 Senamika
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.