PENERAPAN JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK ANALISIS JUMLAH PENDUDUK KABUPATEN LABUHANBATU

JESIKA AMELIA HUTASOIT, NPM 2109100038 (2025) PENERAPAN JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK ANALISIS JUMLAH PENDUDUK KABUPATEN LABUHANBATU. Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (292kB)
	Text BAB II.pdf Download (502kB)
	Text BAB III.pdf Download (409kB)
	Text BAB IV.pdf Download (542kB)
	Text BAB V.pdf Download (190kB)
	Text DAFTAR PUSTAKA.pdf Download (168kB)
	Text LAMPIRAN.pdf Download (809kB)

Abstract

Pertumbuhan jumlah penduduk di suatu wilayah merupakan indikator penting yang berpengaruh besar terhadap perencanaan pembangunan, sehingga diperlukan metode yang akurat untuk memprediksi jumlah penduduk di masa mendatang. Kabupaten Labuhanbatu mengalami tren peningkatan populasi yang signifikan dalam beberapa tahun terakhir, menjadikannya lokasi yang relevan untuk penerapan model prediktif berbasis kecerdasan buatan. Dalam konteks ini, Jaringan Syaraf Tiruan (JST) dengan algoritma Backpropagation menjadi salah satu metode yang menjanjikan karena mampu menangkap pola non-linear dalam data historis, berbeda dengan metode statistik konvensional yang lebih terbatas dalam memodelkan hubungan kompleks. JST bekerja dengan memproses data melalui lapisan-lapisan neuron dan menyesuaikan bobot koneksi secara iteratif untuk meminimalkan kesalahan prediksi, menjadikannya alat yang efektif dalam pengambilan keputusan berbasis data. Penelitian ini merancang arsitektur JST dengan beberapa variasi lapisan tersembunyi dan neuron untuk menguji akurasi prediksi terhadap data jumlah penduduk dari tahun 2018 hingga 2023 yang diperoleh dari BPS Kabupaten Labuhanbatu. Proses pelatihan dan pengujian dilakukan dengan pendekatan data terpisah dan menggunakan fungsi aktivasi sigmoid serta algoritma optimisasi Adam guna mengoptimalkan proses pembelajaran. Hasil dari penelitian menunjukkan bahwa model JST dengan arsitektur tertentu mampu menghasilkan prediksi yang mendekati data aktual dengan tingkat kesalahan yang rendah, dan performa terbaik diperoleh dari model dengan konfigurasi hidden layer dua lapis dan jumlah neuron tertentu. Evaluasi menggunakan Mean Squared Error (MSE) menunjukkan bahwa model memiliki tingkat akurasi yang tinggi dalam memproyeksikan pertumbuhan penduduk. Berdasarkan hasil tersebut, dapat disimpulkan bahwa penerapan JST dengan algoritma Backpropagation terbukti efektif dalam memprediksi jumlah penduduk Kabupaten Labuhanbatu. Temuan ini dapat dijadikan acuan oleh pemerintah daerah dalam menyusun kebijakan strategis di sektor pendidikan, kesehatan, perumahan, dan infrastruktur secara lebih tepat sasaran dan berkelanjutan. Kata Kunci: Prediksi Jumlah Penduduk, Neural Network, Backpropagation, Machine Learning, Kabupaten Labuhanbatu ============================================================================================= Population growth in a region is an important indicator that significantly influences development planning, so an accurate method is needed to predict future population numbers. Labuhanbatu Regency has experienced a significant population increase in recent years, making it a relevant location for the application of artificial intelligence-based predictive models. In this context, Artificial Neural Networks (ANNs) with the Backpropagation algorithm are one of the promising methods because they are able to capture non-linear patterns in historical data, in contrast to conventional statistical methods that are more limited in modeling complex relationships. ANNs work by processing data through layers of neurons and iteratively adjusting connection weights to minimize prediction errors, making them an effective tool in data-driven decision-making. This study designed an ANN architecture with several variations of hidden layers and neurons to test the prediction accuracy of population data from 2018 to 2023 obtained from the BPS of Labuhanbatu Regency. The training and testing processes were carried out using a split data approach and using the sigmoid activation function and the Adam optimization algorithm to optimize the learning process. The results of the study indicate that the ANN model with a specific architecture is able to produce predictions that are close to the actual data with a low error rate, and the best performance is obtained from the model with a two-layer hidden layer configuration and a certain number of neurons. Evaluation using Mean Squared Error (MSE) shows that the model has a high level of accuracy in projecting population growth. Based on these results, it can be concluded that the application of ANN with the Backpropagation algorithm has proven effective in predicting the population of Labuhanbatu Regency. These findings can be used as a reference by the local government in formulating strategic policies in the education, health, housing, and infrastructure sectors in a more targeted and sustainable manner. Keywords: Population Prediction, Neural Network, Backpropagation, Machine Learning, Labuhanbat Regency

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Prediksi Jumlah Penduduk, Neural Network, Backpropagation, Machine Learning, Kabupaten Labuhanbatu=================Population Prediction, Neural Network, Backpropagation, Machine Learning, Labuhanbat Regency
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	21 Oct 2025 09:19
Last Modified:	21 Oct 2025 09:19
URI:	http://repository.ulb.ac.id/id/eprint/1831

Actions (login required)

View Item