Prediksi angka kemiskinan di Indonesia menggunakan model Artificial Neurol Network

INDONESIA:

Kemiskinan merupakan permasalahan sosial ekonomi yang kompleks dan menjadi tantangan utama pembangunan di Indonesia. Penelitian ini bertujuan untuk menganalisis faktor-faktor sosial ekonomi yang memengaruhi angka kemiskinan serta mengevaluasi kemampuan model Artificial Neural Network (ANN) dalam memprediksi tingkat kemiskinan di Indonesia. Data yang digunakan merupakan data sekunder yang diperoleh dari situs Kaggle dengan tiga belas indikator sosial ekonomi sebagai variabel input. Model yang digunakan adalah Backpropagation Neural Network (BPN) dengan variasi arsitektur 1 dan 2 hidden layer. Hasil pengujian menunjukkan bahwa arsitektur 13-6-1 (BPN-1D) memiliki performa terbaik dengan nilai Mean Squared Error (MSE) sebesar 4,4 dan Mean Absolute Percentage Error (MAPE) sebesar 2,95%. Hal ini membuktikan bahwa ANN mampu memberikan hasil prediksi yang akurat terhadap angka kemiskinan di Indonesia. Dengan demikian, penerapan model ini dapat menjadi alternatif alat bantu bagi pemerintah dalam perencanaan kebijakan pengentasan kemiskinan secara lebih tepat sasaran.
 
ENGLISH:

Poverty is a complex socio-economic problem and remains a major challenge for development in Indonesia. This study aims to analyze the socio-economic factors affecting poverty rates and evaluate the performance of the Artificial Neural Network (ANN) model in predicting poverty levels in Indonesia. The data used are secondary data obtained from Kaggle, consisting of thirteen socio-economic indicators as input variables. The Backpropagation Neural Network (BPN) model was applied with architectures containing one and two hidden layers. The results show that the 13-6-1 architecture (BPN-1D) achieved the best performance with a Mean Squared Error (MSE) of 4.4 and a Mean Absolute Percentage Error (MAPE) of 2.95%. This finding indicates that ANN can provide accurate predictions of poverty rates in Indonesia. Therefore, the implementation of this model can serve as a useful tool for policymakers to design more targeted poverty reduction strategies.
 
ARABIC:

يُعدّ الفقر مشكلة اجتماعية-اقتصادية معقّدة ولا يزال يشكّل تحديًا رئيسيًا للتنمية في إندونيسيا. تهدف هذه الدراسة إلى تحليل العوامل الاجتماعية والاقتصادية المؤثرة في معدلات الفقر، وتقييم أداء نموذج الشبكة العصبية الاصطناعية (ANN) في التنبؤ بمستويات الفقر في إندونيسيا. تعتمد البيانات المستخدمة على بيانات ثانوية تم الحصول عليها من منصة Kaggle، وتتكوّن من ثلاثة عشر مؤشرًا اجتماعيًا واقتصاديًا بوصفها متغيرات إدخال. تم تطبيق نموذج شبكة الانتشار العكسي (Backpropagation Neural Network – BPN) باستخدام معماريات تحتوي على طبقة خفية واحدة وطبقتين خفيتين. أظهرت النتائج أن المعمارية 13-6-1 (BPN-1D) حققت أفضل أداء بقيمة متوسط مربع الخطأ (MSE) بلغت 4.4، ومتوسط نسبة الخطأ المطلق (MAPE) بنسبة 2.95%. وتشير هذه النتائج إلى أن الشبكات العصبية الاصطناعية قادرة على تقديم تنبؤات دقيقة لمعدلات الفقر في إندونيسيا. وبناءً على ذلك، يمكن أن يُسهم تطبيق هذا النموذج كأداة مفيدة لصنّاع السياسات في تصميم استراتيجيات أكثر استهدافًا للحد من الفقر.