Text

Penerapan Metode Backpropagation Untuk Aplikasi Prediksi Jumlah Kedatangan Wisatawan Mancanegara ke Indonesia

---

ABSTRAK

Jaringan Syaraf Tiruan (JST) adalah sistem yang didasarkan pada operasi jaringan syaraf
biologis, sehingga memungkinkan komputer dapat melakukan emulasi, analisis, prediksi,
dan asosiasi. Backpropagation adalah salah satu metode dari JST yang dapat diterapkan
dalam prediksi dengan menggunakan teknik pelatihan dan pengujian. Teknik pelatihan
menggunakan 2/3 jumlah data sedangkan teknik pengujian menggunakan 1/3 jumlah data.
Hasil pelatihan kemudian digunakan untuk pengujian dan prediksi. Pariwisata merupakan
salah satu sektor yang berperan penting dalam perekonomian Indonesia. Barometer
kemajuan pariwisata dapat diambil dari banyaknya jumlah wisatawan mancanegara
(wisman). Perencanaan dan pengembangan pariwisata diperlukan untuk memprediksi
jumlah kedatangan wisman ke Indonesia. Berdasarkan permasalahan tersebut, maka dibuat
Aplikasi Prediksi Jumlah Kedatangan Wisman ke Indonesia dengan menerapkan metode
backpropagation. Aplikasi ini dibuat untuk memprediksi jumlah angka wisman di masa
mendatang. Dari hasil ekperimen dengan menggunakan data jumlah wisman tahun 2000-
2015 dari Badan Pusat Statistika (BPS), diperoleh jaringan terbaik berdasarkan akurasi
tertinggi yaitu: alfa (laju pembelajaran) 0,10; neuron layar tersembunyi (neuron hidden
layer) 5; dan momentum 0,50. Jaringan terbaik diterapkan untuk prediksi jumlah wisman
pada tahun 2016, yaitu berjumlah 10.833.873 dengan akurasi pengujian 94,87% dan waktu
komputasi 86,40 detik. Hasil prediksi wisman tahun 2016 dibandingkan dengan jumlah
kedatangan wisman tahun 2016 yang dikeluarkan oleh BPS mempunyai selisih sebanyak
685.402 atau 5,13% (lebih banyak data yang dikeluarkan oleh BPS). Dari hasil pengujian
usability yaitu kemudahan pengguna menggunakan antarmuka aplikasi diperoleh nilai
persentase 85,66% atau sangat baik.
Kata Kunci : Prediksi Jumlah Wisatawan Mancanegara (wisman), Jaringan Syaraf Tiruan
(JST), Backpropagation.vii

ABSTRACT

Artificial Neural Network (ANN) is a system based on the operation of biological neural
networks, allowing computers to perform emulation, analysis, prediction, and association.
Backpropagation is one method of ANN that can be applied in prediction using training and
testing techniques. The training technique uses 2/3 amount of data while the test technique
uses 1/3 amount of data. Training results are then used for testing and prediction. Tourism
is one sector that plays an important role in the Indonesian economy. Barometer of tourism
progress can be taken from the number of foreign tourists (tourists). Tourism planning and
development is needed to predict the number of foreign tourists coming to Indonesia. Based
on these problems, then made Prediction Application Number of Arrivals of Wisman to
Indonesia by applying backpropagation method. This application is made to predict the
number of foreign tourists in the future. From the experimental result by using the data of
the arrival of foreign tourists from 2000-2015 from the Central Statistics Agency (BPS),
obtained the best network based on the highest accuracy, namely: alfa (learning rate) 0.10;
neuron hidden layer 5; And momentum 0.50. The best network applied for the prediction of
the number of foreign tourists in 2016, which amounted to 10,833,873 with a prediction
accuracy of 94.87% and computation time 86.40 seconds. The prediction of foreign tourists
in 2016 compared with the number of foreign tourist arrivals in 2016 issued by BPS has a
difference of 685,402 or 5.13% (more data released by BPS). From usability testing result
that is user ease using application interface obtained by percentage value 85,66% or very
good.
Keywords: Predicted Number of Foreign Traveler (Wisman), Artificial Neural Network
(ANN), Backpropagation.

---

Ketersediaan

522F17IV

005.1-598 MAS p

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

005.1-598 MAS p

Penerbit

: ., 2017

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1659

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Masniari Harahap

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar