Implementasi metode adaptive neuro-fuzzy inference system (ANFIS) terhadap prediksi tingkat kemiskinan di Kabupaten/Kota Jawa Timur

ABSTRAK:

Penelitian ini bertujuan untuk menganalisis dan mengevaluasi efektivitas metode Adaptive Neuro-Fuzzy Inference System (ANFIS) dalam memprediksi tingkat kemiskinan di Kabupaten/Kota Provinsi Jawa Timur. ANFIS merupakan metode hibrida yang menggabungkan logika fuzzy dan jaringan syaraf tiruan, sehingga mampu menangani data sosial ekonomi yang kompleks dan mengandung ketidakpastian. Variabel input yang digunakan dalam model terdiri atas tingkat pengangguran terbuka, laju pertumbuhan penduduk, dan angka partisipasi sekolah usia 16–18 tahun, sedangkan variabel target berupa tingkat kemiskinan. Data yang digunakan bersumber dari badan pusat statistik (BPS) dan mencakup tahun 2022, 2023, dan 2024. Pemodelan dilakukan dengan pendekatan time-based split, yaitu data tahun 2022 sebagai data pelatihan untuk memprediksi tingkat kemiskinan tahun 2023 dan data tahun 2023 sebagai data pengujian untuk memprediksi tingkat kemiskinan tahun 2024. Proses pelatihan menggunakan algoritma hibrida yang menggabungkan Least Squares Estimation (LSE) dan backpropagation. Evaluasi dilakukan menggunakan Mean Squared Error (MSE) untuk menilai akurasi model. Hasil penelitian menunjukkan bahwa ANFIS mampu menghasilkan prediksi yang akurat terhadap tingkat kemiskinan, dengan nilai MSE pada tahap pengujian sebesar 3.98 × 10⁻²⁴. Oleh karena itu, metode ANFIS dinilai efektif dalam menganalisis dan memprediksi fenomena sosial ekonomi di tingkat daerah.

ABSTRACT:

This study aims to evaluate the effectiveness of the Adaptive Neuro-Fuzzy Inference System (ANFIS) in predicting poverty levels in the Regencies/Cities of East Java Province. ANFIS is a hybrid method that combines fuzzy logic and artificial neural networks, enabling it to handle complex socio-economic data with inherent uncertainty. The model uses the open unemployment rate, population growth rate, and school participation rate for ages 16–18, while the target variable is the poverty level. The data were obtained from the central statistics agency (BPS) and cover the years 2022, 2023, and 2024. Modeling was carried out using a time-based split approach, in which 2022 data were used as training data to predict the 2023 poverty level, and 2023 data were used as testing data to predict the 2024 poverty level. The training process employed a hybrid algorithm combining Least Squares Estimation (LSE) and backpropagation. Evaluation was conducted using Mean Squared Error (MSE) to assess the model’s accuracy. The results indicate that ANFIS is capable of producing accurate predictions of poverty levels, with an MSE value of 3.98 × 10⁻²⁴ in the testing phase. Therefore, ANFIS is considered effective in analyzing and predicting socio-economic phenomena at the regional level.

: مستخلص البحث

تهدف هذه الدراسة إلى تحليل وتقييم فعالية طريقة نظام الاستدلال العصبي الضبابي التكيفي (ANFIS)في التنبؤ بمستويات الفقر في المقاطعات/المدن في مقاطعة جاوى الشرقية. ANFIS هي طريقة هجينة تجمع بين المنطق الضبابي والشبكات العصبية الاصطناعية، مما يمكّنها من التعامل مع البيانات الاجتماعية والاقتصادية المعقدة التي تحتوي على عدم يقين. تتكون المتغيرات المدخلة المستخدمة في النموذج من معدل البطالة المعلنة، ومعدل نمو السكان، ومعدل الالتحاق بالمدارس للفئة العمرية ١٦- ١٨سنة، في حين أن المتغير المستهدف هو معدل الفقر. البيانات المستخدمة مأخوذة من الوكالة المركزية للإحصاء (BPS) وتغطي الأعوام ٢٠٢٢, ٢٠٢٣, و ٢٠٢٤. تم إجراء النمذجة باستخدام نهج تقسيم زمني، حيث تم استخدام بيانات عام ٢٠٢٢كبيانات تدريب للتنبؤ بمستويات الفقر في عام ٢٠٢٣، وتم استخدام بيانات عام ٢٠٢٣كبيانات اختبار للتنبؤ بمستويات الفقر في عام ٢٠٢٤. تستخدم عملية التدريب خوارزمية هجينة تجمع بين تقدير أقل المربعات (LSE) والانتشار العكسي. تم إجراء التقييم باستخدام متوسط الخطأ المربع (MSE) لتقييم دقة النموذج. ظهرت النتائج أن ANFIS قادر على إنتاج تنبؤات دقيقة لمستويات الفقر، مع قيمة MSE في مرحلة الاختبار تبلغ ٣,٩٨⨯١٠أس٢٤-. لذلك، تعتبر طريقة ANFIS فعالة في تحليل وتوقع الظواهر الاجتماعية والاقتصادية على المستوى الإقليمي.