Prediksi upah minimum kota/kabupaten se-Jawa Timur menggunakan metode neural network backpropagation

INDONESIA:

Seluruh masalah upah minimum menjadi penyebab konflik antara pencari kerja dan kesempatan kerja, sehingga jumlah pengangguran meningkat dan tingkat investasi berubah. Ketidakpastian dalam prediksi upah minimum dapat menghambat perencanaan keuangan perusahaan, kebijakan pemerintah, dan kesejahteraan masyarakat yang menyebabkan meningkatkan kesenjangan sosial, dan mengurangi kesejahteraan masyarakat. Berdasarkan masalah sebelumnya, penulis menggunakan neural network backpropagation untuk melakukan prediksi. Metode ini melibatkan penggunaan analisis MSE (Mean Squared Error) dan MAPE (Mean Absolute Percentage Error) untuk mengukur hasil prediksi. Selain itu, dalam mengimplementasikan model prediksi ini juga digunakan pendekatan statistik dan teknik pembelajaran mesin. Tujuan dari penelitian ini adalah mengembangkan metode neural network backpropagation yang memberikan hasil terbaik dalam memprediksi upah minimum di kota/kabupaten di Jawa Timur. Diharapkan prediksi yang akurat ini dapat membantu perencanaan keuangan perusahaan, kebijakan pemerintah, dan meningkatkan kesejahteraan masyarakat. Metode yang dikembangkan dalam penelitian ini mencapai hasil terbaik dengan menggunakan 1 hidden layer yang terdiri dari 5 neuron, melakukan 500 iterasi (epoch), dan menggunakan learning rate sebesar 0,05. Dalam evaluasi, diperoleh nilai MSE sebesar 0,017913 dan MAPE sebesar 15,18103. Hasil evaluasi menunjukkan bahwa metode ini mampu memberikan estimasi yang akurat dengan nilai MSE dan MAPE yang rendah. Selain itu, rendahnya MAPE juga menunjukkan kemampuan model dalam memperkirakan upah minimum di kota/kabupaten di Jawa Timur.

ENGLISH:

The entire minimum wage issue causes conflicts between job seekers and employment opportunities, leading to an increase in unemployment rates and changes in investment levels. Uncertainty in minimum wage prediction can hinder company financial planning, government policies, and societal well-being, resulting in increased social inequality and reduced overall welfare. Based on the aforementioned issues, the author utilizes neural network backpropagation for prediction. This method involves employing MSE (Mean Squared Error) and MAPE (Mean Absolute Percentage Error) analysis to measure the prediction results. Additionally, statistical approaches and machine learning techniques are utilized to implement the prediction model. The objective of this research is to develop a neural network backpropagation method for predicting minimum wages in in cities/regencies in East Java with the best results. It is anticipated that these accurate predictions can assist in company financial planning, government policies, and enhancing societal well-being. The method developed in this study achieves the best results with a 1 hidden layer consisting of 5 neurons, 500 epochs, and a learning rate of 0.05, resulting in an MSE value of 0.017913 and MAPE of 15.18103. The evaluation results demonstrate that this method is capable of providing accurate estimations with low MSE and MAPE values. The low MAPE value also indicates the model's ability to predict minimum wages in cities/ regencies in East Java.

ARABIC:

تسبب قضية الحد الأدنى للأجور بأكملها تضاربًا بين الباحثين عن عمل وفرص العمل ،مما يؤدي إلى زيادة معدلات البطالة وتغيرات في مستويات الاستثمار. يمكن أن يؤدي عدم اليقين في التنبؤ بالحد الأدنى للأجور إلى إعاقة التخطيط المالي للشركة والسياسات الحكومية ورفاهية المجتمع ،مما يؤدي إلى زيادة عدم المساواة الاجتماعية وتقليل الرفاهية العامة. بناءً على المشكلات المذكورة أعلاه ، يستخدم المؤلف backpropagation للشبكة العصبية للتنبؤ. تتضمن هذه الطريقة استخدام تحليل MSE (متوسط الخطأ التربيعي) وتحليل MAPE (متوسط الخطأ النسبي المطلق) لقياس نتائج التنبؤ. بالإضافة إلى ذلك ، يتم استخدام الأساليب الإحصائية وتقنيات التعلم الآلي لتنفيذ نموذج التنبؤ. الهدف من هذا البحث هو تطوير طريقة backpropagation للشبكة العصبية للتنبؤ بالحد الأدنى للأجور في المدن / المناطق في جاوة الشرقية مع أفضل النتائج. من المتوقع أن تساعد هذه التنبؤات الدقيقة في التخطيط المالي للشركة والسياسات الحكومية وتعزيز الرفاهية المجتمعية. الطريقة التي تم تطويرها في هذه الدراسة تحقق أفضل النتائج بطبقة مخفية واحدة تتكون من 5 خلايا عصبية و 500 عصر ومعدل تعلم 0.05 ، مما أدى إلى قيمة MSE تبلغ 0.017913 و MAPE تبلغ 15.18103. تظهر نتائج التقييم أن هذه الطريقة قادرة على تقديم تقديرات دقيقة بقيم منخفضة من MSE و MAPE. بالإضافة إلى ذلك ، يُظهر MAPE المنخفض أيضًا قدرة النموذج على تقدير الحد الأدنى للأجور في المدن / المناطق في جاوة الشرقية