RANCANG BANGUN APLIKASI UNTUK MEMPREDIKSI TINGKAT PENGANGGURAN DI KOTA PALANGKA RAYA MENGGUNAKAN METODE ALGORITMA GENETIKA

Authors

  • Devi Karolita Universitas Palangka Raya
  • Ade Chandra Saputra Universitas Palangka Raya

DOI:

https://doi.org/10.47111/jti.v10i2.1426

Keywords:

Algoritma Genetika, Jaringan Syaraf Tiruan

Abstract

Pengangguran adalah sebuah masalah yang sulit di pecahkan di negara manapun terutama di negara berkembang seperti indonesia. Angka pengangguran yang tinggi disebabkan oleh semakin banyaknya jumlah penduduk yang memasuki usia produktif dan masuk dalam kategori angkatan kerja tetapi tidak diikuti pertambahan jumlah lapangan kerja. Angka pengangguran yang tinggi juga disebabkan oleh karena tidak stabilnya kondisis sosial politik suatu negara sehingga negara tersebut tidak dapat menciptakan lapangan kerja yang cukup atau dapat juga disebabkan karena penduduk yang masuk dalam angakatan kerja tersebut tidak memenuhi standart kualitas tenaga kerja.Data yang tercatat di Dinas Tenaga Kerja dan Transmigrasi Kota Palangkaraya tahun 2011 ada sebanyak 7.128 orang pencari kerja, dari jumlah ini permintaan tenaga kerja hanya 625 orang, sehingga masih ada sisa pencaker 6.503 orang. Struktur penduduk di Kota Palangkaraya berupa diagram piramida yang 57 persen lebih berusia 0-15 tahun yang didalamnya termasuk 22 persen angkatan kerja. Sementara usia produktif hanya sekitar 29,85%. Pertumbuhan ekonomi notabene akan memberikan lapangan kerja yang lebih luas. Namun diakui, pertumbuhan tenaga kerja di Kota Palangkaraya masih belum diimbangi dengan lapangan kerja yang ada.Untuk dapat menentukan jumlah lapangan kerja yang harus dalam setiap tahunnya maka diperlukan sebuah sistem yang dapat memprediksi jumlah angkatan kerja yang ada.Algoritma Genetika merupakan evolusi atau perkembangan dunia komputer dalam bidang kecerdasan buatan (artificial inteligent). Sebenarnya algoritma genetika ini terinspirasi oleh teori evolusi Darwin (walaupun pada kenyataannya teori tersebut terbukti keliru).
Jaringan Syaraf Tiruan (JST) adalah sistem komputasi yang didasarkan atas permodelan sistem syaraf biologis (neurons) melalui pendekatan dari sifat-sifat komputasi biologis (biological computation). Dalam memecahkan permasalahan sebuah sistem yang menggunakan Jaringan Syaraf Tiruan akan dilatih terlebih dahulu untuk mengenali pola-pola yang ada pada permasalahan kemudian sistem akan mengerti dan dapat menyelesaikan permasalahan yang sesuai dengan pola yang sudah dilatihkan dengan otomatis. Perkembangan Algoritma Genetika dapat digabungkan dengan Jaringan Syaraf Tiruan untuk menyelesaikan permasalahan prediksi dan optimasi. Algoritma Genetika dapat digunakan untuk membantu pencarian bobot-bobot dari Jaringan Syaraf Tiruan sehingga diperoleh hasil yang optimal. Hasil optimal ditunjukan dengan kesalahan prediksi yang minimal. Karena itu maka penelitian ini akan menggabungkan Algoritma Genetika dan Jaringan Syaraf Tiruan yang akan digunakan untuk memprediksi jumlah pengangguran pada tahun-tahun mendatang berdasarkan data pengangguran pada tahun-tahun sebelumnya.

Downloads

Download data is not yet available.

References

Al huda,dkk. 2005. Peramalan time series saham menggunakan backpropagation neural network berbasis algoritma genetika, Jurnal Teknik Informatika PTIIK Universitas Brawijaya, Malang.

Fadlisyah, dkk. 2009. Algoritma Genetik. Graha Ilmu. Yogyakarta.

Fausett, L. 1994. Fundamental of Neural Network : Architecture, Algorithm and Application. New Jersey. Prentice-Hall.

Firdaus, dkk. 2007. Penerapan Algoritma Genetika pada Pelatihan Jaringan Syaraf Tiruan untuk Peramalan Debit Inflow Waduk Sengguruh. Jurnal Teknik Informatika PTIIK Universitas Brawijaya, Malang.

Kusumadewi, S. 2003. Artificial Intelligence (Teknik dan Aplikasinya). Graha Ilmu. Yogyakarta.

Makridakis, dkk. 1999. Metodedan Aplikasi Peramalan Edisi Kedua. (diterjemahkan oleh : Suminto, Hari). Binarupa Aksara. Jakarta. Terjemahan dari : Forecasting Methods and Applications, Second Edition.

Neves, J, and Cortez, P. 1998. Combining Genetic Algorithms, Neural Networks and Data Filtering for Time Series Forecasting. Departamento de Informatica Universidade do Minho. Portugal.

Pandjaitan, L.W. 2002. Dasar-Dasar Komputasi Cerdas. Andi Offset. Yogyakarta.

Siang, J.J. 2005. Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan MATLAB. Andi Offset. Yogyakarta.

Downloads

Published

2016-08-31