PERBANDINGAN ANTARA METODE BAYESIAN-BACKPROPAGATION DAN GENETIC-BACKPROPAGATION PADA PREDIKSI JUMLAH PENGANGGURAN TERBUKA DI INDONESIA

Abstract

Metode backpropagation merupakan metode yang bagus dipergunakan untuk melakukan prediksi. Bobot adalah hal penting pada metode backpropagation. Bobot awal yang dilakukan secara random memungkinkan iterasi yang lama dan hasil yang belum tentu bagus, sehingga perlu dilakukan optimasi. Beberapa metode optimasi dipakai untuk memperbaiki metode ini. Pada penelitian ini akan melalukan optimasi pada metode backpropagation ini dengan menggunakan Algoritma Genetik dan Bayesian. Hal ini karena kehandalan dan kesederhanaan dari kedua metode tersebut. Pada metode genetic- backpropagation, algoritma genetik dipergunakan untuk mencari bobot awal dan bias yang optimal. Ukuran optimal ini adalah bobot yang menghasilkan nilai MSE yang kecil, MSE dipergunakan sebagai nilai ftnessnya. Pada bayesian-backpropagation, melalukan optimasi nilai bobot dan bias awal dengan menggunakan metode Bayesian yang sudah dimodifikasi dari Kalman Filter. Hasil ujicoba dari nilai Average Forecast Error Rate (AFER) menunjukkan bahwa Bayesian-backpropagation tidak selalu lebih unggul dari genetic-based backpropagation dalam melakukan prediksi jumlah pengangguran terbuka, begitu juga sebaliknya. Hal ini tergantung dari jumlah pola (jumlah data time series) yang dipergunakan untuk melakukan peramalan. Tetapi kedua metode tersebut selalu lebih baik dari metode backpropagation