使用神经网络算法预测人口增长

Alter Lasarudin, Rubiyanto Maku
{"title":"使用神经网络算法预测人口增长","authors":"Alter Lasarudin, Rubiyanto Maku","doi":"10.31314/juik.v2i2.1715","DOIUrl":null,"url":null,"abstract":"Pertumbuhan penduduk membawa akibat pada berbagai aspek kehidupan manusia, oleh karena itu manusia perlu melakukan upaya agar laju pertumbuhan penduduknya terkendali. Penelitian ini menggunakan pendekatan Naturalistik yakni menggambarkan secara terperinci berdasarkan fakta-fakta yang ada. Teknik pengumpulan data dilakukan melalui wawancara, observasi dan penelaahan dokumen yang ada hubungannya dengan masalah yang diteliti. Pengambilan data peneliti lakukan secara langsung. Data yang diperoleh disusun berdasarkan data times series, kemudian data tersebut di normalisasi. Langkah selanjutnya adalah menentukan parameter neural network (NN) dengan mencari hidden layer, training cycles, learning rate, dan momentum terbaik agar mendapatkan root mean square error (RMSE) terkecil. Tahap selanjutnya adalah proses prediksi. Untuk melihat hasil prediksi data harus di denormalisasi kembali ke bentuk data awal. Hasil prediksi dengan menggunakan NN didapat bahwa prediksi yang valid berjumlah 19 minggu dan range error data berkisar antara angka 6 dan minus 5. Jika dibandingkan dengan standar nilai yang ada, tingkat keakuratan dari data prediksi pertumbuhan penduduk dengan metode NN mendekati angka valid.","PeriodicalId":276767,"journal":{"name":"Jurnal Ilmu Komputer (JUIK)","volume":"102 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"PREDIKSI PERTUMBUHAN JUMLAH PENDUDUK MENGGUNAKAN ALGORITMA NEURAL NETWORK\",\"authors\":\"Alter Lasarudin, Rubiyanto Maku\",\"doi\":\"10.31314/juik.v2i2.1715\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Pertumbuhan penduduk membawa akibat pada berbagai aspek kehidupan manusia, oleh karena itu manusia perlu melakukan upaya agar laju pertumbuhan penduduknya terkendali. Penelitian ini menggunakan pendekatan Naturalistik yakni menggambarkan secara terperinci berdasarkan fakta-fakta yang ada. Teknik pengumpulan data dilakukan melalui wawancara, observasi dan penelaahan dokumen yang ada hubungannya dengan masalah yang diteliti. Pengambilan data peneliti lakukan secara langsung. Data yang diperoleh disusun berdasarkan data times series, kemudian data tersebut di normalisasi. Langkah selanjutnya adalah menentukan parameter neural network (NN) dengan mencari hidden layer, training cycles, learning rate, dan momentum terbaik agar mendapatkan root mean square error (RMSE) terkecil. Tahap selanjutnya adalah proses prediksi. Untuk melihat hasil prediksi data harus di denormalisasi kembali ke bentuk data awal. Hasil prediksi dengan menggunakan NN didapat bahwa prediksi yang valid berjumlah 19 minggu dan range error data berkisar antara angka 6 dan minus 5. Jika dibandingkan dengan standar nilai yang ada, tingkat keakuratan dari data prediksi pertumbuhan penduduk dengan metode NN mendekati angka valid.\",\"PeriodicalId\":276767,\"journal\":{\"name\":\"Jurnal Ilmu Komputer (JUIK)\",\"volume\":\"102 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-10-31\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Ilmu Komputer (JUIK)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.31314/juik.v2i2.1715\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Ilmu Komputer (JUIK)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31314/juik.v2i2.1715","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

人口增长给人类生活的各个方面带来了影响,因此人类需要努力控制人口的增长。这项研究采用了一种自然主义的方法,在已知事实的基础上详细说明。数据收集技术是通过采访、观察和研究与研究问题相关的文件进行的。研究人员的数据检索是实时的。收集的数据是根据时代系列的数据整理的,然后这些数据就会正常化。下一步是确定神经网络参数(NN),寻找最好的隐藏层、训练周期、学习速率和动量,以获得最小的根均值平方错误(RMSE)。下一步是预测过程。要看到预测数据的结果,必须将其还原为原始数据形式。通过使用NN获得的结果是,有效的预测数为19周,数据中出现的一个范围误差在6和- 5之间。与现有的价值标准相比,用NN方法预测人口增长的数据的准确性接近有效数字。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
PREDIKSI PERTUMBUHAN JUMLAH PENDUDUK MENGGUNAKAN ALGORITMA NEURAL NETWORK
Pertumbuhan penduduk membawa akibat pada berbagai aspek kehidupan manusia, oleh karena itu manusia perlu melakukan upaya agar laju pertumbuhan penduduknya terkendali. Penelitian ini menggunakan pendekatan Naturalistik yakni menggambarkan secara terperinci berdasarkan fakta-fakta yang ada. Teknik pengumpulan data dilakukan melalui wawancara, observasi dan penelaahan dokumen yang ada hubungannya dengan masalah yang diteliti. Pengambilan data peneliti lakukan secara langsung. Data yang diperoleh disusun berdasarkan data times series, kemudian data tersebut di normalisasi. Langkah selanjutnya adalah menentukan parameter neural network (NN) dengan mencari hidden layer, training cycles, learning rate, dan momentum terbaik agar mendapatkan root mean square error (RMSE) terkecil. Tahap selanjutnya adalah proses prediksi. Untuk melihat hasil prediksi data harus di denormalisasi kembali ke bentuk data awal. Hasil prediksi dengan menggunakan NN didapat bahwa prediksi yang valid berjumlah 19 minggu dan range error data berkisar antara angka 6 dan minus 5. Jika dibandingkan dengan standar nilai yang ada, tingkat keakuratan dari data prediksi pertumbuhan penduduk dengan metode NN mendekati angka valid.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信