Prediksi Nilai Inflasi Rupiah di Indonesia dengan menggunakan Metode Backpropagation Neural Network

Abstract

Abtrack
Penerapan teknologi informasi saat ini sangat membantu manusia atau organisasi tertentu
dalam menyelesaikan pekerjaan atau memenuhi kebutuhan. Inflasi merupakan indicator makro
ekonomi yang sangat penting di dalam dunia bisnis dan ekonomi.Neural network atau jaringan
syaraf tiruan adalah salah satu representasi buatan dan otak manusia yang selalu mencoba
mensimulasikan proses pembelajaran pada otak manusia (Amrin, 2014). Pada sampel training
observasi 2 memiliki 92.3% Percent Correct 27.4% Predicted, observasi 3 memiliki 75.0% Percent
Correct 33.9% Predicted, dan observasi 4 memiliki 92.3% Percent Correct 38.7% Predicted dan
Overall Percent 62.9%. Pada sampel testing observasi 2 memiliki 15.4% Predicted observasi 3
memiliki 80.0% Percent Correct 61.5% Predicted, observasi 4 memiliki 25.0% Percent Correct 23.1%
Predicted dan Overall Percent 50.0%. Berdasarkan hasil percobaan, metode BPNN dengan model
summary training yang dilakukan selama 4 detik menghasilkan Cross Entropy Error 61.278 dan
Percent Incorrect Predictions sebesar 37.1% Sedangkan testing memiliki nilai Cross Entropy Error
27.135 dengan Percent Incorrect Predictions sebesar 50%. Hal ini menunjukkan bahwa metode
BPNN dapat menjadi alternative metode dalam meramalkan tingkat inflasi di Indonesia.

Kata Kunci: BPNN, Ekonomi, Inflasi, Indonesia.