Implementasi Jaringan Saraf Tiruan Berbasis Algoritma Backpropagation untuk Prediksi Jumlah Penduduk di Provinsi Nusa Tenggara Barat

Abstrak

Perubahan jumlah penduduk merupakan indikator penting dalam perencanaan pembangunan daerah karena berkaitan langsung dengan penyediaan layanan publik, pembangunan infrastruktur, dan perumusan kebijakan sosial ekonomi. Oleh karena itu, diperlukan metode prediksi yang mampu menangani pola data yang bersifat nonlinier dan kompleks. Penelitian ini menerapkan algoritma Backpropagation pada Jaringan Saraf Tiruan (JST) untuk memprediksi jumlah penduduk Provinsi Nusa Tenggara Barat berdasarkan data tahunan periode 1995–2024 yang diperoleh dari Badan Pusat Statistik (BPS). Data diproses menggunakan normalisasi Min-Max dengan pola empat tahun sebagai input dan satu tahun sebagai target. Dataset kemudian dibagi menjadi 80% data latih dan 20% data uji. Tiga arsitektur jaringan diuji, yaitu 4-15-1, 4-10-1, dan 4-5-1, guna menentukan struktur jaringan yang paling optimal. Hasil pengujian menunjukkan bahwa arsitektur 4-15-1 memberikan kinerja terbaik, ditunjukkan oleh nilai Mean Absolute Percentage Error (MAPE) yang paling rendah dan stabil selama periode pengujian 2019–2024 yaitu sebesar 2,78%. Hal ini menunjukkan bahwa jumlah neuron tersembunyi yang lebih besar mampu menangkap pola pertumbuhan penduduk secara lebih akurat. Berdasarkan hasil tersebut, model JST dengan arsitektur 4-15-1 dinilai layak digunakan untuk memprediksi jumlah penduduk Provinsi Nusa Tenggara Barat pada tahun 2025 serta dapat mendukung proses perencanaan dan pengambilan keputusan pembangunan daerah. Pendekatan ini juga menunjukkan potensi penerapan metode kecerdasan buatan dalam analisis kependudukan dan perencanaan pembangunan yang berkelanjutan di tingkat daerah provinsi.