Analisis perbandingan metode multilayer perceptron dan recurrent neural network dalam memprediksi laju pertumbuhan penduduk di Kabupaten Brebes

Yazidah, Izzatul (2024) Analisis perbandingan metode multilayer perceptron dan recurrent neural network dalam memprediksi laju pertumbuhan penduduk di Kabupaten Brebes. Undergraduate (S1) thesis, Universitas Islam Negeri Walisongo Semarang.

[thumbnail of Skripsi_2008046001_Izzatul Yazidah_Lengkap] Text (Skripsi_2008046001_Izzatul Yazidah_Lengkap)
Skripsi_2008046001_Izzatul Yazidah_Lengkap.pdf - Accepted Version
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (2MB)

Abstract

Kabupaten Brebes merupakan kabupaten yang memiliki populasi terbesar di Jawa Tengah pada tahun 2020-2022. Jumlah penduduk Kabupaten Brebes selalu meningkat dari tahun ke tahun. Perlu dilakukan prediksi laju pertumbuhan penduduk di Kabupaten Brebes agar pemerintah dapat mempersiapkan peningkatan kebutuhan sumber bumi dan lapangan pekerjaan untuk sejumlah penduduk pada suatu wilayah di waktu yang akan datang. Penelitian ini adalah menganalisis hasil prediksi laju pertumbuhan penduduk Kabupaten Brebes menggunakan metode Multilayer Perceptron (MLP) dan Recurrent Neural Network (RNN). Kedua metode tersebut digunakan untuk memilih metode terbaik dalam memprediksi laju pertumbuhan penduduk. Metode terbaik ditentukan dengan cara membandingkan MAPE yang menghasilkan nilai terkecil. Data yang digunakan bersumber dari Badan Pusat Statistik (BPS) Kabupaten Brebes yaitu data jumlah penduduk Kabupaten Brebes tahun 1991-2022. Persentase pembagian data training dan data testing yang digunakan adalah 80%:20%. Berdasarkan hasil penelitian, didapatkan bahwa metode Recurrent Neural Network sebagai metode terbaik karena menghasilkan nilai MAPE terkecil sebesar 1,9973%.

Item Type: Thesis (Undergraduate (S1))
Uncontrolled Keywords: Pertumbuhan penduduk; Multilayer perceptron; Recurrent neural network
Subjects: 500 Natural sciences and mathematics > 510 Mathematics > 512 Algebra and number theory
Divisions: Fakultas Sains dan Teknologi > 44201 - Matematika
Depositing User: Fahrurozi Fahrurozi
Date Deposited: 25 Aug 2025 07:29
Last Modified: 25 Aug 2025 07:29
URI: https://eprints.walisongo.ac.id/id/eprint/27364

Actions (login required)

View Item
View Item

Downloads

Downloads per month over past year

View more statistics