PREDIKSI JUMLAH PENDAFTAR HAJI LANJUT USIA MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
Abstract
Tingginya animo masyarakat muslim Indonesia untuk mendaftar haji ditandai dengan meningkatnya jumlah pendaftar haji dari tahun ke tahun. Hal ini menyebabkan antrian keberangkatan haji semakin panjang termasuk bagi Jemaah Haji lanjut usia. Undang-Undang Nomor 8 Tahun 2019 tentang Penyelenggaraan Ibadah Haji dan Umrah mengamanatkan memberikan prioritas kuota persentase tertentu bagi Jemaah Haji lanjut usia untuk berangkat haji. Permasalahan yang terjadi adalah belum adanya data prediksi pendaftar haji lanjut usia setiap tahun yang digunakan sebagai salah satu pertimbangan penetapan kuota bagi Jemaah Haji lanjut usia agar tidak terlalu lama menunggu. Penelitian ini bertujuan mengetahui model jaringan syaraf tiruan backpropagation yang tepat untuk memprediksi jumlah pendaftar haji lanjut usia. Penelitian dilakukan dengan mengubah jumlah node hidden layer untuk mendapatkan model terbaik, penelitian menggunakan data pendaftar haji lanjut usia periode tahun 2004 sampai dengan 2019. Data dibagi menjadi 2 bagian yaitu data latih (2004 sampai dengan 2014) dan data uji (2009 sampai dengan 2019). Berdasarkan hasil pelatihan, model yang terbaik adalah 10-7-1 dengan nilai MSE sebesar 0,000998514, nilai MAPE sebesar 9,8% dan akurasi sebesar 90,20%. Hasil prediksi pendaftar haji lanjut usia tahun 2020 dengan menggunakan model 10-7-1 adalah 5.124 pendaftar haji lanjut usia. Dengan dibangunnya model prediksi pendaftar haji lanjut usia maka pengambil kebijakan mudah mendapatkan data prediksi jumlah pendaftar haji lanjut usia setiap tahun dan hasil prediksi dapat digunakan untuk menetapkan kuota bagi Jemaah Haji lanjut usia sehingga antrian keberangkatan bagi Jemaah Haji lanjut usia tidak terlalu lama.
Full Text:
PDF (Bahasa Indonesia)References
Putuhena, S. (2007) ‘Histografi Haji Indonesia’, LKis Yogyakarta, 1(2007), pp. 1–88. doi: 10.1017/CBO9781107415324.004.
Siskohat (2020) ‘Pendaftar dan Masa Tunggu Jemaah Haji Reguler’, Direktorat Jenderal Penyelenggaraan Haji dan Umrah, 21(1), pp. 1–3.
Kemenag (2019) ‘Undang-Undang Republik Indonesia Nomor 8 Tahun 2019 tentang Penyelenggaraan Ibadah Haji dan Umrah’, Kementerian Agama, pp. 1–51.
Kemenhub (2009) ‘Undang-Undang Republik Indonesai Nomor 1 Tahun 2009 tentang Penerbangan’, Kementerian Perhubungan, pp. p1–p371.
Shaarawy, S. M., Khan, E. A. and Elgamal, M. A. (2014) ‘Modeling and Forecasting the Number of Pilgrims Coming from Outside the Kingdom of Saudi Arabia Using Bayesian and Box-Jenkins Approaches’, International Journal of Advanced Computer Science and Applications, 5(4), pp. 199–207. doi: 10.14569/ijacsa.2014.050429.
Khan, E. A., Elgamal, M. A. and Shaarawy, S. M. (2015) ‘Forecasting the Number of Muslim Pilgrims Using NARX Neural Networks with a Comparison Study with Other Modern Methods’, British Journal of Mathematics & Computer Science, 6(5), pp. 394–401. doi: 10.9734/bjmcs/2015/14563.
Elgamal, M. (2016) ‘Forecasting the Number of Muslim Pilgrims Using Fuzzy Time Series’, International Journal of Engineering Innovation & Research, 5(1), pp. 66–72.
Sakinah, N. P., Cholissodin, I. and Widodo, A. W. (2018) ‘Prediksi Jumlah Permintaan Koran Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(7), pp. 2612–2618.
Raharyani, M. P., Putri, R. R. M. and Setiawan, B. D. (2018) ‘Implementasi Algoritme Support Vector Regression Pada Prediksi Jumlah Pengunjung Pariwisata’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(4), pp. 1501–1509.
Putro, B., Furqon, M. T. and Wijoyo, S. H. (2018) ‘Prediksi Jumlah Kebutuhan Pemakaian Air Menggunakan Metode Exponential Smoothing ( Studi Kasus : PDAM Kota Malang )’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(11), pp. 4679–4686.
Baksir, A. H. et al. (2020) ‘Prediction of Fertility Quality Levels With Artificial Neural’, JIKO (Jurnal Informatika dan Komputer), 3(2), pp. 107–112. doi: 10.33387/jiko.
Sofian, M. and Apriani, Y. (2017) ‘Metode Peramalan Jaringan Saraf Tiruan Menggunakan Algoritma Backpropagatin (Studi Kasus Peramalan Curah Hujan Kota Palembang)’, Jurnal Mipa, 40(2), pp. 87–91.
Alexander, A. D. and Lestari, T. S. (2017) ‘Pengaruh Jumlah Hiden Layer Terhadap Performa Neural Network Dalam Prediksi Website Phishing’, Jurnal Kajian Ilmiah, (May), pp. 14–18.
Lubis, M. R. (2018) ‘Model Jaringan Saraf Tiruan Backpropagation Untuk Meningkatkan Penguasaan Mahasiswa Pada Matakuliah Algoritma Dan Pemrograman’, Paradigma - Jurnal Komputer dan Informatika, 21(1), pp. 91–94. doi: 10.31294/p.v21i1.5079.
Hasan, N. F., Kusrini, K. and Fatta, H. Al (2019) ‘Analisis Arsitektur Jaringan Syaraf Tiruan Untuk Peramalan Penjualan Air Minum Dalam Kemasan’, Jurti, 3(1), pp. 1–10.
Saputra, W. et al. (2017) ‘Analysis Resilient Algorithm on Artificial Neural Network Backpropagation’, Journal of Physics: Conference Series, 930(1). doi: 10.1088/1742-6596/930/1/012035.
Revi, A., Solikhun, S. and Safii, M. (2018) ‘Jaringan Syaraf Tiruan Dalam Memprediksi Jumlah Produksi Daging Sapi Berdasarkan Provinsi’, KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 2(1), pp. 297–304. doi: 10.30865/komik.v2i1.941.
DOI: https://doi.org/10.33387/jiko.v4i2.3138
Refbacks
- There are currently no refbacks.