Implementasi Metode Multilayer Perceptron untuk prediksi pertumbuhan penduduk di Kabupaten Blitar

ABSTRAK
Pertumbuhan penduduk merupakan indikator vital yang menjadi dasar perencanaan pembangunan daerah, baik dalam sektor ekonomi, infrastruktur, maupun layanan publik. Metode prediksi statistik konvensional sering kali memiliki keterbatasan dalam menangkap pola fluktuasi data yang kompleks dan non-linear. Oleh karena itu, penelitian ini bertujuan untuk menerapkan dan mengevaluasi kinerja metode Artificial Intelligence menggunakan Jaringan Saraf Tiruan (JST) algoritma Multilayer Perceptron (MLP) untuk memprediksi jumlah penduduk di 22 kecamatan Kabupaten Blitar. Data yang digunakan adalah data sekunder time series periode tahun 2000 hingga 2023 yang diperoleh dari Badan Pusat Statistik (BPS), yang kemudian diproses menggunakan teknik sliding window sequence. Temuan dari penelitian ini menunjukkan bahwa hasil prediksi terbaik didapatkan dengan model arsitektur 66-133-44-22 menggunakan parameter fungsi aktivasi ReLU, learning rate 0,01, dan maksimum 1000 epoch, dengan hasil rata-rata Mean Squared Error (MSE) sebesar 0,00129.

ABSTRACT
Population growth is a vital indicator that serves as a foundation for regional development planning in economic, infrastructure, and public service sectors. Conventional statistical prediction methods often have limitations in capturing complex and non-linear data fluctuation patterns. Therefore, this study aims to apply and evaluate the performance of an Artificial Intelligence method using the Multilayer Perceptron (MLP) Neural Network algorithm to predict the population in 22 districts of Blitar Regency. The data used are secondary time series data from 2000 to 2023 obtained from the Central Statistics Agency (BPS), which were then processed using the sliding window sequence technique. The findings of this study indicate that the best prediction results were obtained using the 66-133-44-22 model architecture with ReLU activation function parameters, a learning rate of 0.01, and a maximum of 1000 epoch, resulting in an average Mean Squared Error (MSE) of 0.00129.

مستخلص البحث
النمو السكاني هو مؤشر حيوي يعمل كأساس لتخطيط التنمية الإقليمية في القطاعات الاقتصادية والبنية التحتية والخدمات العامة. ويكون طرق التنبؤ للإ حصا ىٔية التقليدية التنبؤ الإحصائية التقليدية قيود في النقاط أنماط تقلب البيانات المعقدة وغير الخطية. لذلك، هدف هذا البحث إلى تطبيق وتقييم أداء طريقة الذكاء الاصطناعي باستخدام خوارزمية الشبكة العصبية Multilayer Perceptron (MLP) للتنبؤ بعدد السكان في ۲۲ منطقة فرعية (kecamatan) في منطقة بليتار. البيانات المستخدمة هي بيانات السلاسل الزمنية (time series) الثانوية من عام ۲۰۰۰ إلى ۲۰۲۳ التي تم الحصول عليها من الجهاز المركزي للإحصاء (BPS) ، والتي تمت معالجتها بعد ذلك باستخدام تقنية sliding window sequence .يشير نتائج هذا البحث إلى أن أفضل نتائج التنبؤ تم الحصول عليها باستخدام بنية النموذج ٦٦-١٣٣ - ٤٤ - ٢٢ مع معلمات دالة التنشيط ReLU، ومعدل تعلم ٠٫٠١ والحد الأقصى للتكرار (epoch) ۱۰۰۰ ، مما أدى إلى متوسط خطأ ميع (MSE) قدره ٠,٠٠٠١٢٩.