Prediksi Nilai Inflasi Rupiah Di Indonesia Dengan Menggunakan Metode Backpropagation Neural Network

Abstrak

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.