Jaringan Saraf Tiruan untuk Membangun Masa Depan Dunia Kerja di Pematangsiantar
DOI:
https://doi.org/10.55123/insologi.v3i6.4669Keywords:
Artificial Neural Networks, Workforce Prediction, Machine Learning, Economics, Prediction ModelsAbstract
This research examines the application of artificial neural networks (ANN) in predicting the number of workers in Pematangsiantar City as an effort to build a more adaptive and measurable future of the world of work. This research aims to investigate the effectiveness of ANN techniques in processing historical data on the labor force to produce accurate predictions of future employment numbers. The research methodology involves using a dataset that includes key economic variables that affect the labor force, such as unemployment rate, economic growth, and other relevant variables. At the analysis stage, we implemented a ANN with an optimized configuration to model the complex patterns in the data. This research uses historical data related to the labor force, local economy, and other social indicators as model inputs. The results show that this technology can generate reliable predictions to support strategic decision-making, such as job training planning, resource allocation, and workforce policy development. In addition, the application of this technology is expected to help the government and economic actors in dealing with labor market dynamics in the digital era. This research also contributes to the literature on the application of machine learning techniques in the economic domain, by highlighting the potential and limitations of using ANNs to predict complex economic phenomena such as the labor force. Thus, this research contributes to the innovative utilization of smart technology to advance the local employment sector in Indonesia.
Downloads
References
Andrian, Y., & Putra, P. H. (2017). Analisis Penambahan Momentum Pada Proses Prediksi Curah Hujan Kota Medan Menggunakan Metode. Seminar Nasional Informatika, 2014(September), 165–172.
Asmara, A., & Haryanto, H. (2015). Pengembangan Tes Minat Dan Bakat Dengan Metode Jaringan Syaraf Tiruan (Jst) Untuk Memprediksi Potensi Siswa Bidang Robotika. Jurnal Pendidikan Vokasi, 5(3), 273. https://doi.org/10.21831/jpv.v5i3.6483
Hartato, E., Sitorus, D., & Wanto, A. (2018). Analisis Jaringan Saraf Tiruan Untuk Prediksi Luas Panen Biofarmaka Di Indonesia. SemanTIK, 4(1), 49–56.
Hasan, N. F., Kusrini, K., & Fatta, H. Al. (2019). Peramalan Jumlah Penjualan Menggunakan Jaringan Syaraf Tiruan Backpropagation Pada Perusahaan Air Minum Dalam Kemasan. Jurnal Teknik Informatika Dan Sistem Informasi, 5(2), 179–188. https://doi.org/10.28932/jutisi.v5i2.1607
Junaidi, J., Mandasari, S., Franciska, Y., Fahmi, A., & Rosnelly, R. (2022). Implementasi Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Dalam Meramalkan Kebutuhan Handsanitizer Di Pemerintah Kota Medan. Journal of Science and Social Research, 5(3), 671. https://doi.org/10.54314/jssr.v5i3.1019
Kosasi, S., Pontianak, S., Merdeka, J., 372 Pontianak, N., & Barat, K. (2014). Penerapan Metode Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Nilai Ujian Sekolah. Jurnal Teknologi, 7(1), 20–28.
Kurniawan, P. C., Khilmiana, N., Arifin, S., & Maisaroh, A. (2023). Pengaruh Pertumbuhan Ekonomi dan Pertumbuhan Angkatan Kerja Terhadap Tingkat Pengangguran Di Kota Pekalongan. Journal of Economic and Management (JECMA), 5(1), 95–103. https://doi.org/10.46772/jecma.v5i1.955
Lesnussa, Y. A., Latuconsina, S., & Persulessy, E. R. (2015). Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Prestasi Siswa SMA (Studi kasus: Prediksi Prestasi Siswa SMAN 4 Ambon). Jurnal Matematika Integratif, 11(2), 149. https://doi.org/10.24198/jmi.v11i2.9427
Lumi, A. N. M., Walewangko, E. N., & Lapian, A. L. C. P. (2021). Analisis Pengaruh Jumlah Angkatan Kerja dan Indeks Pembangunan Manusia Terhadap Tingkat Pengangguran di Kota-Kota Provinsi Sulawesi Utara. Jurnal EMBA, 9(3), 162–172.
Mubarokh, M. F., Nasir, M., & Komalasari, D. (2020). Jaringan Syaraf Tiruan Untuk Memprediksi Penjualan Pakaian Menggunakan Algoritma Backpropagation. Journal of Computer and Information Systems Ampera, 1(1), 29–43. https://doi.org/10.51519/journalcisa.v1i1.3
Panggabean, E., & Sagala, J. R. (2021). Analisa Perbandingan Metode Jaringan Syaraf Tiruan Dengan Metode Sistem Pendukung Keputusan Untuk Penerimaan Tenaga Kerja. Jurnal Media Informatika, 2(2), 41–44. https://doi.org/10.55338/jumin.v2i2.697
Pengaruh, A., Penduduk, J., Angkatan, J., Pada, K., Bekasi, K., Metode, M., Linear, R., & Nisa, K. (2021). 21-32 Nusa Mandiri. Jl Jatiwaringin Raya, 5(2), 28534471.
Putra, R. R. (2019). TRANSAKSI. 3(1), 16–20.
Roynaldi, M., & Simanjuntak, M. (2021). Jaringan Saraf Tiruan Untuk Memprediksi Jumlah Pengangguran Di Kota Binjai Dengan Menggunakan Metode Backpropagation. JTIK (Jurnal Teknik Informatika Kaputama), 5(1), 2548–9740.
Siregar, S. P., Wanto, A., & Nasution, Z. M. (2018). Analisis Akurasi Arsitektur JST Berdasarkan Jumlah Penduduk Pada Kabupaten / Kota di Sumatera Utara. Sensasi 2018, Juli, 526–536.
Thoriq, M. (2022). Peramalan Jumlah Permintaan Produksi Menggunakan Jaringan Saraf Tiruan Algoritma Backpropagation. Jurnal Informasi Dan Teknologi, 4, 27–32. https://doi.org/10.37034/jidt.v4i1.178
Wahyudin, W., & Purwanto, H. (2021). Prediksi Kasus Covid-19 Di Indonesia Menggunakan Metode Backpropagation Dan Regresi Linear. Journal of Information System, Applied, Management, Accounting and Research, 5(2), 331. https://doi.org/10.52362/jisamar.v5i2.420
Wanto, A. (2018). Penerapan Jaringan Saraf Tiruan Dalam Memprediksi Jumlah Kemiskinan Pada Kabupaten/Kota Di Provinsi Riau. Klik - Kumpulan Jurnal Ilmu Komputer, 5(1), 61. https://doi.org/10.20527/klik.v5i1.129
Wibawa, M. S. (2017). Pengaruh Fungsi Aktivasi, Optimisasi dan Jumlah Epoch Terhadap Performa Jaringan Saraf Tiruan. Jurnal Sistem Dan Informatika (JSI), 11(December), 167–174. https://doi.org/10.13140/RG.2.2.21139.94241
Windarto, A. P. (2017). Implementasi JST Dalam Menentukan Kelayakan Nasabah Pinjaman KUR Pada Bank Mandiri Mikro Serbelawan Dengan Metode Backpropogation. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 1(1), 12. https://doi.org/10.30645/j-sakti.v1i1.25
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Sydah Wanju, Novi Hariyanti, Khafifah Dwi, Victor Asido Elyakim P
This work is licensed under a Creative Commons Attribution 4.0 International License.
Hak cipta pada setiap artikel adalah milik penulis.
Penulis mengakui bahwa INSOLOGI (Jurnal Sains dan Teknologi) sebagai publisher yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution 4.0 International License.
Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini kedalam versi yang lain, seperti: dikirim ke respository institusi penulis, publikasi kedalam buku, dan lain-lain. Dengan mengakui bahwa naskah telah terbit pertama kali pada INSOLOGI (Jurnal Sains dan Teknologi).
