Penerapan Artificial Neural Network Backpropagation untuk Meramalkan Nilai Ekspor Indonesia

Authors

  • Adhiyatma Nugraha Departemen Statistika FMIPA Universitas Padjadjaran
  • Yusep Suparman Departemen Statistika FMIPA Universitas Padjadjaran
  • Anindya Apriliyanti Pravitasari Apriliyanti Pravitasari

DOI:

https://doi.org/10.1234/pns.v10i.102

Keywords:

ekspor, peramalan, artificial neural network, backpropagation

Abstract

Republik Indonesia (RI) adalah salah satu negara berkembang dengan kekayaan sumber daya alam yang melimpah. Dalam pemanfaatan sumber daya alam tersebut, RI berperanan dalam pengelolaan potensi tersebut dan sebagian bisa ditujukan untuk kegiatan ekspor. Ekspor adalah sebuah proses pengiriman barang atau komoditas dari satu negara ke negara yang lainnya. Dengan adanya kegiatan ekspor, maka akan memberikan manfaat berupa penghasil devisa yang dapat meningkatkan pendapatan negara. Pendapatan RI dari ekspor mencakup 42,1% total pendapan negara. Dengan demikian kontribusi ekspor dalam pendapatan negara cukup besar. Namun demikian, nilai ekspor dari waktu ke waktu sifatnya tidak pasti. Hal ini akan menyulitkan RI dalam menentukan pendapatan negara yang nantinya dipergunakan untuk perancangan program pembangunan Untuk membantu mengatasi permasalahan tersebut diperlukan informasi mengenai kinerja ekspor pada masa yang akan datang. Dari ramalan ini pemerintah dapat menentukan kebijakan untuk mengantisipasi gejolak yang akan terjadi. Makalah ini kami tujukan untuk memperoleh ramalan nilai ekspor Indonesia di masa mendatang. Kami menggunakan data bulanan nilai ekspor Indonesia dari tahun 2011-2021. Kami menggunakan metode artificial neural network dengan algoritma backpropagation untuk mengatasi keterbatasan pada metode peramalan klasik (ARIMA). Arsitektur jaringan optimum yang didapat adalah jaringan (12-6-1) dengan 12 unit pada lapisan input, 6 unit pada lapisan tersembunyi, dan 1 unit pada lapisan output. Jaringan ini menghasilkan MAPE terkecil pada tahap pengujian (testing) sebesar 9,87108. Peramalan nilai ekspor Indonesia dengan menggunakan jaringan tersebut dilakukan sampai dengan 12 periode kedepan. Didapatkan bahwa nilai ekspor indonesia mengalami nilai yang berfluktuatif, nilai yang paling tinggi terjadi pada bulan september 2021 dan terendah pada bulan april 2022.

Downloads

Download data is not yet available.

References

Anike Mmarleni dkk, (2012). “Pengembangan Sistem Jaringan Syaraf Tiruan Dalam Memprediksi Jumlah Dokter Keluarga Menggunakan Backpropagation”. Seminar Nasional Teknologi dan Komunikasi (SENTIKA), Yogyakarta, 10 Maret 2012.

Cigizoglu,Hikmet. 2005. Application of Generalized Regression Neural Network to Intermittent Flow Forecasting and Estimation. Journal of Hydrologic Engineering, vol.10, hal 339.

D.A Bong Joseph A, Application of Neural Network in User Authenticaiton for Smart Home System.: World Academy of Science, Engingeering and Technology 53., 2009.

Fromm, G. (1978). Comments on "An Overview of the Objectives and Framework. Seasonal Analysis of Economic, 3, 26-29.

Makridakis, 1998. “International Journal of Forecasting”. Halaman 519.

Makridakis, S. (1999). Metode dan Aplikasi Peramalan. (I. H. Suminto, Penerj.) Jakarta: Binarupa Aksara.

Panchal, F. S., & Panchal, M. (2014). Review on Methods of Selecting Number of Hidden Nodes in Artificial Neural Network. International Journal of Computer Science and Mobile Computing, 3(11), 455-464.

Suhartono, D. (2012). Dasar Pemahaman Neural Network. Dipetik July 2021, dari School of Computer Science Binus University: https://socs.binus.ac.id/2012/07/26/konsep-neural-network/

Sivanandam S N, Introduction to Artificial Neural Network. New Delhi: Vikas Publication House, 2018.

Downloads

Published

2021-12-30

How to Cite

Nugraha, A. ., Suparman, Y. ., & Apriliyanti Pravitasari, A. . (2021). Penerapan Artificial Neural Network Backpropagation untuk Meramalkan Nilai Ekspor Indonesia. Prosiding Seminar Nasional Statistika, 10, 37. https://doi.org/10.1234/pns.v10i.102