Peramalan Indeks Harga Konsumen (IHK) Kota Medan Menggunakan Jaringan Saraf Tiruan (JST) Backpropagation

Abstract

Indeks Harga Konsumen (CPI) atau Indeks Harga Konsumen (CPI) membandingkan biaya pemilihan barang dari sekelompok produk atau layanan yang dikonsumsi rumah tangga selama periode waktu tertentu. Masalah dengan analisis dan peramalan indeks harga konsumen adalah ketidakakuratan peramalan yang secara berkala semakin buruk. Hal ini dapat terjadi sebagai akibat dari kondisi yang memburuk, situasi ekonomi yang bergeser, dan perubahan daya beli. Observasi yang dilakukan bertujuan untuk meramalkan Indeks Harga Konsumen bulanan memakai Jaringan Saraf Tiruan dengan fungsi pelatihan algoritma backpropagation. Metode yang dipakai dengan pengumpulan data Indeks Harga Konsumen (IHK) kota Medan pada tahun 2020-2022 yang merupakan data time series dan akan dilakukan peramalan untuk 12 bulan mendatang (bulan ke-37-48). Peramalan memakai Jaringan Saraf Tiruan (JST) dengan algoritma backpropagation yang dimulai dari normalisasi data Indeks Harga Konsumen kota Medan, mempersiapkan data uji normalisasi dan data latih normalisasi, membangun rancangan model jaringan saraf tiruan backpropagation, dan melakukan pengujian model serta peramalan. Pengujian model menggunakan jumlah neuron sebanyak 100, fungsi aktivasi logsig dan fungsi pelatihan trainlm (Levenberg Marquard). Hasil peramalan Indeks Harga Konsumen menggunakan Arsitektur JST Backpropagation 12-100-1-1 pada proses pengujian didapatkan koefisien korelasi sebesar 0.99906 dan nilai MSE (Mean Square Error ) sebesar 0.0572.

Indeks Harga Konsumen (CPI) membandingkan biaya kumpulan barang atau jasa yang dikonsumsi rumah tangga selama periode waktu tertentu. Masalah dengan studi dan peramalan Indeks Harga Konsumen adalah kesalahan peramalan yang terus berkembang. This can occur because conditions of uncertainty increase with changes in the economic climate and purchasing power. This study aims to forecast the monthly Consumer Price Index using an Artificial Neural Network with the backpropagation algorithm training function. The method used is to collect Consumer Price Index (CPI) data for the city of Medan in 2020-2022 which is a time series data and forecasting will be carried out for 12 next month (37-48 months). Forecasting uses an Artificial Neural Network (ANN) with a backpropagation algorithm that starts from normalizing the Medan City Consumer Price Index data, preparing normalized test data and normalization training data, building a backpropagation neural network model design, and conducting model testing and forecasting. Model testing uses a total of 100 neurons, the logsig activation function and the trainlm training function (Levenberg Marquard). The results of forecasting the Consumer Price Index using the 12-100-1-1 ANN Backpropagation Architecture in the testing process obtained a correlation coefficient of 0.99906 and an MSE (Mean Square Error ) value of 0.0572.