IMPLEMENTASI JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) UNTUK MEMPREDIKSI KEMISKINAN DI PROVINSI KALIMANTAN SELATAN (Oleh : Rizka Rahmikasari; Pembimbing : Akhmad Yusuf & Thresye; 2024; 65 halaman)

Tingkat kemiskinan merupakan indikator penting dalam menilai kesejahteraan suatu wilayah. Prediksi tingkat kemiskinan sering kali menghadapi tantangan berupa pola data yang kompleks serta pengaruh berbagai faktor ekonomi seperti tingkat pengangguran dan pertumbuhan ekonomi. Penelitian ini bertujuan untuk memprediksi tingkat kemiskinan di Provinsi Kalimantan Selatan menggunakan metode Jaringan Syaraf Tiruan (JST) dengan algoritma backpropagation. Data yang digunakan terdiri dari dua variabel input, yaitu tingkat pengangguran terbuka dan pertumbuhan ekonomi, serta satu variabel output berupa tingkat kemiskinan. Data dinormalisasi menggunakan Min-Max Scaler kemudian dibagi menjadi data latih dan data uji. Arsitektur jaringan yang digunakan adalah 2 32-16-1 dengan fungsi aktivasi ReLU dan optimasi Adam. Hasil pelatihan menunjukkan nilai MSE sebesar 0,033 dan RMSE sebesar 0,182, sedangkan pada pengujian diperoleh MSE sebesar 0,046 dan RMSE sebesar 0,216. Nilai MAPE sebesar 4,34% menunjukkan bahwa rata-rata persentase error antara nilai prediksi dan nilai aktual cukup kecil. Nilai R-squared sebesar 0,6357 menunjukkan bahwa model mampu menjelaskan sekitar 63,57% variabilitas data target. Dengan demikian, model cukup baik dalam memprediksi kemiskinan dan dapat digunakan sebagai alat bantu dalam perencanaan kebijakan penanggulangan kemiskinan di Provinsi Kalimantan Selatan.

Kata kunci: Prediksi Kemiskinan, Jaringan Syaraf Tiruan, Algoritma Backpropagation, Kalimantan Selatan