Jaringan Syaraf Tiruan (JST) telah banyak digunakan dalam bidang peramalan data deret waktu, terutama di Indonesia dan JST yang cukup populer digunakan adalah Back Propagation (JST-BP). Metode ini mempunyai kemampuan komputasi yang baik dan menghasilkan tingkat akurasi yang tinggi. JST-BP adalah sebuah metode yang mempunyai tiga lapisan, yaitu lapisan masukan, lapisan tersembunyi, dan lapisan keluaran. Pada setiap lapisan dapat dilakukan percobaan menggunakan fungsi aktivasi dan metode pelatihan untuk mendapatkan tingkat akurasi yang tinggi. Hasil penelitian Fa’arifah & Busrah (2017) menunjukkan bahwa semakin banyak jumlah neuron di lapisan tersembunyi, semakin tinggi tingkat akurasi yang dihasilkan.
Di Indonesia, metode JST-BP banyak digunakan untuk prediksi data peramalan di bidang hidroklimatologi, ekonomi, kesehatan, pariwisata dan pendidikan. Setiap hasil penelitian merekomendasikan arsitektur jaringan yang berbeda dengan tingkat akurasi yang berbeda pula, yaitu antara 66% – 99%. Hal ini karena penggunaan parameter arsitektur yang berbeda, termasuk jumlah lapisan tersembunyi yang digunakan. Hasil penelitian Abas et al. (2017) juga menyebutkan bahwa momentum berpengaruh pada akurasi arsitektur JST-BP.
Penelitian ini bertujuan untuk menganalisis secara sistematis hasil penerapan JST-BP dalam prediksi atau peramalan data time series dengan studi kasus di Indonesia. Data dikumpulkan dari hasil metode JST-BP berdasarkan database pengindeksan yaitu Google Scholar, DOAJ, dan Scopus. Dari hasil pencarian dengan menerapkan kriteria kelayakan antara lain (1) kata kunci “prediksi, forecasting, JST-BP, data deret waktu”, (2) artikel terbitan 2011-2021, (3) jumlah data, nilai tingkat akurasi atau koefisien korelasi, diperoleh 36 artikel yang memenuhi syarat. Selanjutnya hasil analisis data menggunakan software JASP diperoleh rata-rata JST-BP tingkat akurasi 90% dan estimasi koefisien 0,901 pada interval 86%-94% dengan model random effect. Berdasarkan variabel moderator tahun terbit diperoleh informasi bahwa pada selang waktu 2013-2015 sebesar 81%, pada tahun 2016-2018 sebesar 90%, dan pada tahun 2019-2021 sebesar 94%. Selanjutnya, semakin banyak input data yang dihasilkan semakin tinggi tingkat akurasinya yaitu mencapai 92%. Oleh karena itu, setiap peneliti harus lebih berhati-hati dalam menentukan jumlah input data. Selain itu, semakin besar input data menyebabkan JST-BP lebih mudah untuk mengenali data pola. Dari sini, data prediksi benar-benar mendekati data sebenarnya.
Penulis: Dr. Fatmawati, M.Si
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://aip.scitation.org/doi/abs/10.1063/5.0102174
Authors: Syaharuddin, Fatmawati, Herry Suprajitno.
Title: A meta-analysis of the implementation of ANN back propagation methods in time
series data forecasting: Case studies in Indonesia.
