xviii
xviii
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Kecerdasan Buatan (Artificial Intelligence) adalah salah satu bidang yang cukup diandalkan dalam memecahkan permasalahan seperti prediksi (peramalan). Salah satu sub bidang pada Artificial Intelligence yang dapat diandalkan dalam melakukan sebuah prediksi adalah jaringan syaraf tiruan Backpropagation. Pada dasarnya algoritma Backpropagation akan menggerakkan bobot dengan arah gradient negatif yang membuat fungsi kinerja menjadi turun dengan cepat. Namun, algoritma pelatihan Backpropagation standard proses pelatihannya biasanya berjalan lambat. Salah satunya dalam penentuan parameter. Untuk menghasilkan Backpropagation yang baik, parameter yang dipilih harus tepat. Oleh karena itu diperlukan algoritma yang dapat membantu percepatan pelatihan Backpropagation, salah satu algoritma yang dapat diandalkan adalah Conjugate Gradient Fletcher Reeves. Algoritma ini diharapkan mampu meningkatkan performansi sistem, dikarenakan algoritma ini mampu mengoptimasi sehingga dapat meminimasi suatu fungsi, dimana arah pencariannya berdasarkan arah konjugasi yang nilainya ortogonal. Karena sifat pencariannya yang ortogonal, sehingga algoritma ini dapat cepat mencapai konvergensi pada solusi yang dicari. Satu diantara beberapa proses implementasi algoritma ini adalah untuk menentukan Indeks Harga Konsumen.
Indeks Harga Konsumen menggambarkan perubahan harga secara umum dari sejumlah (paket) komoditas yang dikonsumsi oleh rumah tangga di daerah perkotaan. Observasi dalam time series adalah observasi yang diurutkan berdasarkan waktu.
Indeks Harga Konsumen merupakan salah satu indikator ekonomi penting yang dapat memberikan informasi mengenai perkembangan harga barang/jasa yang dibayar oleh konsumen di suatu wilayah.
2
Penghitungan Indeks Harga Konsumen ditujukan untuk mengetahui perubahan harga dari sekelompok tetap barang/jasa yang umumnya dikonsumsi oleh masyarakat setempat (Damanik F.F., et al. 2015).
Indeks Harga Konsumen merupakan salah satu indikator ekonomi yang umum digunakan untuk mengukur tingkat perubahan harga (inflasi/deflasi) di tingkat konsumen, khususnya di daerah perkotaan. Perubahan Indeks Harga Konsumen dari waktu ke waktu menunjukkan pergerakan harga dari paket komoditas yang dikonsumsi oleh rumah tangga. Di Indonesia, tingkat inflasi diukur dari persentase perubahan Indeks Harga Konsumen dan diumumkan ke publik setiap awal bulan (hari kerja pertama). Adapun kelompok pengeluaran dari Indeks Harga Konsumen dapat dilihat pada Tabel 1 berikut :
Tabel 1.1. Kelompok Pengeluaran Indeks Harga Konsumen
No Uraian
1 Bahan Makanan
2 Makanan Jadi, Minuman, Rokok Dan Tembakau
3 Perumahan,Air, Listrik, Gas dan Bahan Bakar
4 Sandang
5 Kesehatan
6 Pendidikan, Rekreasi dan Olahraga
7 Transport, Komunikasi dan Jasa Keuangan
Sumber : Badan Pusat Statistik Pematangsiantar
Berdasarkan tabel 1.1., bahwa setiap sektor terdiri dari beberapa subkelompok. Adapun data subkelompok dari setiap sektor Indeks Harga Konsumen dapat dilihat pada tabel 1.2. berikut :
Tabel 1.2. Subkelompok dari Sektor Indeks Harga Konsumen
No Sektor SubKelompok
1 Bahan Makanan
Padi-padian (Umbi-umbian), Daging, Ikan Segar, Ikan Diawetkan, Telur dan Susu, Sayur-Sayuran, Kacang-Kacangan, Buah-Buahan, Bumbu-Bumbuan, Lemak dan Minyak, Bahan Makanan Lainnya
2 Makanan Jadi, Minuman,
Rokok Dan Tembakau
Makanan Jadi, Minuman Yang Tidak Beralkohol, Tembakau dan Minuman Beralkohol
3 Perumahan, Air, Listrik,
Gas dan Bahan Bakar
Biaya Tempat Tinggal, Bahan Bakar (Penerangan) dan Air, Perlengkapan Rumahtangga, Penyelenggaraan Rumahtangga
4 Sandang Sandang Laki-laki, Sandang Wanita, Sandang Anak-anak,
Barang Pribadi dan Sandang lain
5 Kesehatan Jasa Kesehatan, Obat-obatan, Jasa Perawatan Jasmani,
Perawatan Jasmani dan Kesehatan
6 Pendidikan, Rekreasi dan
Olahraga
Jasa Pendidikan, Kursus-kursus / Pelatihan, Perlengkapan / Peralatan Pendidikan, Rekreasi Olahraga
7 Transport, Komunikasi
dan Jasa Keuangan
Transport, Komunikasi dan Pengiriman, Sarana Penunjang Transport, Jasa Keuangan
Sumber : Badan Pusat Statistik Pematangsiantar
3
3
Berdasarkan tabel 1.2., bahwa setiap sektor Indeks Harga Konsumen memiliki peran penting dalam perkembangan ekonomi. Indeks Harga Konsumen sangat diperlukan dalam kegiatan ekonomi suatu negara karena informasi yang dihasilkan oleh Indeks Harga Konsumen merupakan informasi tentang perkembangan ekonomi yang nantinya menentukan kebijakan perekonomian dimasa yang akan datang. Mengingat pentingnya angka Indeks Harga Konsumen penulis ingin memprediksi sektor bahan makanan karena sektor tersebut merupakan kebutuhan pokok dari masyarakat Indonesia.
Keakuratan prediksi adalah salah satu faktor penting di dalam pemilihan metode prediksi. Metode prediksi yang memiliki tingkat error data cukup rendah dan cukup baik dalam proses generalisasi adalah Neural Network. Dengan data training yang cukup dan proses pembelajaran penyesuaian bobot yang tepat diharapkan model ini mampu untuk meramalkan data time series untuk beberapa periode waktu ke depan. Amrin (2016) melakukan penelitian untuk memprediksi tingkat Inflasi dengan menggunakan jaringan saraf tiruan Backpropagation dan Multiple Linier Regression. Penelitian tersebut menghasilkan tingkat akurasi dengan nilai MAD sebesar 0.0577, MSE 0.0069 dan RMSE 0.0830 apabila menggunakan metode Backpropagation. Sedangkan dengan menggunakan metode Multiple Linier Regression menghasilkan tingkat akurasi dengan nilai MAD 0.0380, MSE 0.0023 dan nilai RMSE sebesar 0.0481. Kekurangan dari penelitian ini adalah hasil yang kurang maksimal, karena metode masih digunakan secara terpisah (hanya membandingkan kedua metode). Sedangkan K. Ramandha (2015) melakukan penelitian untuk memprediksi Kelahiran Prematur pada RSUPN Cipto Mangunkusumo dengan menggunakan Algoritma Neural Network Berbasis Particle Swarm Optimization. Adapun kelemahan dengan metode yang beliau gunakan salah satunya adalah learning rate yang digunakan terlalu besar, yakni 0,4. Padahal semakin kecil learning rate yang digunakan, maka semakin baik hasil penelitian.
Oleh karena itu dengan menggunakan Neural Network Backpropagation yang dioptimasi dengan Conjugate Gradient Fletcher Reeves, penelitian ini diharapkan mampu melakukan prediksi tentang laju perkembangan Indeks Harga Konsumen pada sektor Bahan Makanan secara lebih baik sehingga dapat memberikan kontribusi bagi pemerintah dalam meningkatkan pertumbuhan ekonomi.
4
4
Dari latar belakang diatas penulis merasa tertarik mengangkat judul penelitian “Analisis Jaringan Saraf Tiruan Backpropagation Menggunakan Conjugate
Gradient Fletcher Reeves Dalam Proses Memprediksi” sebagai topik Tesis dan perkembangan Indeks Harga Konsumen menjadi satu contoh kasus yang akan dikaji.
1.2. Rumusan Masalah
Backpropagation membutuhkan waktu yang lama dalam proses pembelajaran prediksi data, sehingga dibutuhkan metode yang dapat meningkatan proses pembelajaran.
1.3. Tujuan Penelitian
Tujuan dari penelitian ini adalah meningkatkan proses pembelajaran prediksi data pada metode backpropagation..
1.4. Batasan Atau Ruang Lingkup Penelitian
Batasan atau ruang lingkup penelitian perlu dilakukan agar penelitian dapat terarah dengan baik dan tidak menyimpang dari pokok permasalahan. Adapun batasan atau ruang lingkup penelitian yang penulis ambil antara lain:
1) Penelitian ini hanya memprediksi perkembangan Indeks Harga Konsumen berdasarkan sektor bahan makanan menggunakan Backpropagation.
2) Hanya akan membahas kecepatan pembelajaran backpropagation dan akurasi yang di hasilkan backpropagation.
1.5. Manfaat Penelitian
Penelitian ini memberikan manfaat pada penggunaan jaringan saraf tiruan dalam proses
learning rate dan beberapa kasus pada soft computing khususnya yang menggunakan
algoritma backpropagation.
