APLIKASI PERAMALAN JUMLAH KELAHIRAN DENGAN METODE JARINGAN SYARAF TIRUAN

Safira Amudya Nurdela

= http://dx.doi.org/10.20473/ijph.v12i2.2017.213-223
Abstract views = 868 times | views = 983 times

Abstract


The  forecast is a statistic analysis to predict what it will happen in the future using the data and information from the past. This research aimed to apply Artificial Neural Network method for estimate the f ertility rate in Surabaya. The study was descriptive which using secondary data providing from Dinas Kesehatan Kota Surabaya. The study used time series data by recapitulation of  fertility rate monthly from 2012-2016. The data analysis used R Program. The result showed the best estimator model for Artificial Neural Network method was 1-3-1 architecture with preprocessing normalized. RMS value of Artificial Neural Network method was 338.1551. The conclusion of this research was the Artificial Neural Network method for estimate the f ertility rate in Surabaya could be used for planning birth control program especially Badan Kependudukan dan Keluarga Berencana Nasional.

Keywords


artificial neural network, fertility rate, forecast

Full Text:

PDF

References


Alfina, O., 2012. Analisis Perbandingan Neural Network Backpropagation dengan Simple Perception dalam Mengenali Image Daun. Tesis. Medan: Universitas Sumatera Utara.

Arsyad, L., 2009. Peramalan Bisnis. BPFE: Yogyakarta. Badan Pusat Statistik Kota Surabaya, 2017. Banyaknya Penduduk Datang yang Dilaporkan per Kecamatan Hasil Registrasi, 2009 – 2014. Surabaya: Badan Pusat Statistik Kota Surabaya. Tersedia di https://surabayakota.bps. go.id/linkTabelStatis/view/id/329 [6 September 2017].

Badan Pusat Statistik Kota Surabaya, 2017. Banyaknya Penduduk menurut Jenis Kelamin Hasil Regristasi Tahun 2008 – 2014. Surabaya: Badan Pusat Statistik Kota Surabaya. Tersedia di https:// surabayakota.bps.go.id/linkTabelStatis/ view/id/323 [23 Maret 2017].

Badan Pusat Statistik Kota Surabaya, 2017. Banyaknya Penduduk Pindah yang Dilaporkan per Kecamatan Hasil Registrasi, 2009 – 2014. Surabaya: Badan Pusat Statistik Kota Surabaya. Tersedia di https://surabayakota.bps. go.id/linkTabelStatis/view/id/331 [6 September 2017].

Badan Pusat Statistik Provinsi Jawa Timur, 2017. Kepadatan Penduduk Pertengahan Tahun Menurut Kabupaten/Kota, 2012 – 2016. Jawa Timur: Badan Pusat Statistik Provinsi Jawa Timur. Tersedia di https:// jatim.bps.go.id/linkTabelStatis/view/ id/401 [6 September 2017].

Baroto, T., 2002. Perencanaan dan Pengendalian Produksi. Jakarta: Ghalia Indonesia. Crone, S.F., 2005. Stepwise Selection of Artificial Neural Network Models for Time Series Prediction. Journal of Intelligent Systems.

Furqon., 2001. Statistik Terapan untuk Penelitian. Bandung: Alfabeta.

Halim, S., and Wibisono, A. M., 2000. Penerapan Jaringan Syaraf Tiruan Untuk Peramalan. Jurnal Teknik Industri, Vol.2 No.2.

Harahap, R. R., 2013. Perbandingan Jaringan Syaraf Tiruan Backpropagation dan Kohonen Pada Identifikasi Penyakit Infeksi Pada Kulit dengan Gejala Bercak Putih. Skripsi. Medan: Universitas Sumatera Utara.

Hartanti, O. D., 2014. Perbandingan Hasil Peramalan dengan Metode Double Exponential Smoothing Holt dan Metode Jarinan Syaraf Tiruan. Jurnal Biometrika dan Kependudukan, Vol. 3 No. 2.

Hendri, A., 2010. Penerapan Backpropaation Neural Network Untuk Peramalan Penjualan Produk Susu. Skripsi. Institut Pertanian Bogor.

Hermawan, A., 2006. Jaringan Syaraf Tiruan, Teori dan Aplikasi. Yogyakarta: Andi.

Kanth, B.B.M. Khrisna., Kulkarni, U.V., & Giridhar, B.G.V., 2011. Prediction of Cancer Subtypes using Fuzzy Hypersphere Clustering Neural Network. International ournal of Computer Science and Network Security

Khashei, M. & Bijari, M., 2010. An Artifi cial Neural Network (p,d,q) Model For Timeseries Forecasting. Expert System with Application An International Journal.

Kusumadewi, S., 2003. Artifi cial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu.

Makridakis, S., 1993. Metode dan Aplikasi Peramalan. Jakarta: Airlangga.

Mantra, I. B., 2003. Demografi Umum. Yogyakarta: Pustaka Pelajar.

Megasari, R. T., 2011. Perbandingan Antara Metode Moving Average, Exponential Smoothing, Winters dalam Peramalan Volume Penjualan PT. Satriamandiri Citramulia Berbasiskan Komputer. Jakarta: Universitas Bina Nusantara.

Pakaja, F., Naba, A., Purwanto, P., 2013. Peramalan Penjulan Mobil Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor. Jurnal EECCIS.

Puspitorini, K., 2010. Peramalan Permintaan Minuman Kesehatan Instan Jahe Menggunakan Jaringan Syaraf Tiruan dan Metode Time Series. Jurnal UB.

Restuwardi, Y., 2008. Sistem Intelijen Untuk Prediksi Pertumbuhan Ekonomi dengan Menggunakan Jaringan Syaraf Tiruan dan Adaptif Neuro-Fuzzy. Skripsi. Institut Pertanian Bogor.

Rumagit, S., and Azhari, S. N., 2013. Prediksi Pemakaian Listrik Kelompok Tarif Menggunakan Jaringan Syaraf Tiruan dan ARIMA (Studi Kasus Wilayah Suluttenggo). IJCCS, Vol.7 No.2

Rusmiati, N., 2010. Jaringan Syaraf Tiruan Backpropagation Sebagai Metode Peramalan Pada Perhitungan Tingkat Suku Bunga Pinjaman Di Indonesia. Jurnal Sistem Informasi.

Setiawan, W., 2008. Prediksi Harga Saham Menggunakan Jaringan Syaraf Tiruan Multilayer Feedforward Network Dengan Algoritma Backpropagation. Bali: Konferensi Nasional Sistem dan Informasi.

Siang, J. J., 2009. Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta: Andi.

Somantri, A. & Sambas A. M., 2006. Aplikasi Statistika dalam Penelitian. Bandung: Pustaka Ceria.

Stepvhanie, L., 2012. Peramalan Penjualan Produk Susu Bayi dengan Metode Grey System Theory dan Neural Network. Skripsi. Universitas Indonesia.

Subagyo, P., 1986. Forecasting Konsep dan Aplikasi. Yogyakarta: BPFE.

Suci, A. I. B., 2009. Prediksi Penjualan Excavator pada PT. Intraco Penta, Tbk dengan Menggunakan Artifi cial Neural Network. Skripsi. Universitas Trisakti Jakarta.

Sudarsono, A., 2016. Jaringan Syaraf Tiruan Untuk Memprediksi Laju Pertumbuhan Penduduk Menggunakan Metode Backpropagation (Studi Kasus di kota Bengkulu). Jurnal Media Infotama, Vol.12 No.1.

Tanjung, D. H., 2015. Jaringan Saraf Tiruan dengan Backpropagation untuk Memprediksi Penyakit Asma. Citec Journal, Vol.2 No.1.

Triyono, A., Susanto, A. J., Prawono, 2016. Penerapan Metode Jaringan Syaraf Tiruan Backpropagation Untuk Meramalkan Harga Saham (IHSG). Jurnal Sistem dan Informatika.

Undang-undang Republik Indonesia No.23 Tahun 2006 Tentang Administrasi Kependudukan. Jakarta.

Wuryandari, M. D., 2012. Perbandingan Metode Jaringan Syaraf Tiruan Backpropagation dan Learning Vector Quantization Pada Pengenalan Wajah. Jurnal Komputer dan Informatika (Komputa), Edisi.I Volume.1

Yuwono, B., 2009. Perancangan dan Implementasi Jaringan Syaraf Tiruan Untuk Mendiagnosa Jenis Penyakit Kandungan. Jurnal Teknomatika.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2017 The Indonesian Journal of Public Health

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

INDEXING BY:

   

View My Stats