Optimasi Jaringan Syaraf Tiruan Metode Backpropagation dengan Algoritma Genetik untuk Prediksi Tingkat pengangguran di Provinsi Sumatera Utara

Abstract

Tingkat Pengangguran Terbuka (TPT) merupakan indikator penting dalam mengukur kondisi ketenagakerjaan dan efektivitas pembangunan ekonomi suatu daerah. Penelitian ini bertujuan untuk memprediksi TPT di Provinsi Sumatera Utara dengan menggunakan model Jaringan Syaraf Tiruan (JST) Backpropagation yang dioptimalkan oleh Algoritma Genetik (GA). Metode penelitian yang digunakan bersifat kuantitatif dan berbasis eksperimen komputasional, dengan data sekunder dari Badan Pusat Statistik (BPS) tahun 2010–2023 yang mencakup variabel PDRB per Kapita, IPM, TPAK, dan jumlah penduduk. Proses optimasi melibatkan penyesuaian terhadap hyperparameter seperti learning rate, jumlah neuron hidden layer, dan momentum. Hasil evaluasi menunjukkan bahwa model yang dioptimalkan mencapai nilai MAPE sebesar 3,27%, RMSE sebesar 0,21, dan koefisien determinasi (R²) sebesar 0,94, jauh lebih baik dibandingkan model Backpropagation standar. Prediksi TPT untuk tahun 2025 dengan model GA adalah sebesar 5,42%, selaras dengan tren penurunan sejak 2020. Penelitian ini membuktikan bahwa integrasi GA dalam pelatihan JST dapat secara signifikan meningkatkan akurasi prediksi dan memberikan dasar kuat untuk perumusan kebijakan ketenagakerjaan berbasis data.