Analisis Jaringan Syaraf Tiruan untuk prediksi volume ekspor dan impor migas di Indonesia

Yuli Andriani
Hotmalina Silitonga
Anjar Wanto - [ http://orcid.org/0000-0003-4891-084X ]

Abstract


Analisis pada penelitian penting dilakukan untuk tujuan mengetahui ketepatan dan keakuratan dari penelitian itu sendiri. Begitu juga dalam prediksi volume ekspor dan impor migas di Indonesia. Dilakukannya penelitian ini untuk mengetahui seberapa besar perkembangan ekspor dan impor Indonesia di bidang migas di masa yang akan datang. Penelitian ini menggunakan Jaringan Syaraf Tiruan (JST) atau Artificial Neural Network (ANN) dengan algoritma Backpropagation. Data penelitian ini bersumber dari dokumen kepabeanan Ditjen Bea dan Cukai yaitu Pemberitahuan Ekspor Barang (PEB) dan Pemberitahuan Impor Barang (PIB). Berdasarkan data ini, variabel yang digunakan ada 7, antara lain: Tahun, ekspor minyak mentah, impor minyak mentah, ekspor hasil minyak, impor hasil minyak, ekspor gas dan impor gas. Ada 5 model arsitektur yang digunakan pada penelitian ini, 12-5-1, 12-7-1, 12-8-1, 12-10-1 dan 12-14-1. Dari ke 5 model yang digunakan, yang terbaik adalah 12-5-1 dengan menghasilkan tingkat akurasi 83%, MSE 0,0281641257 dengan tingkat error yang digunakan 0,001-0,05. Sehingga model ini bagus untuk memprediksi volume ekspor dan impor migas di Indonesia, karena akurasianya antara 80% hingga 90%.

 

 

 

Analysis of the research is Imporant used to know precision and accuracy of the research itself. It is also in the prediction of Volume Exports and Impors of Oil and Gas in Indonesia. This research is conducted to find out how much the development of Indonesia's exports and Impors in the field of oil and gas in the future. This research used Artificial Neural Network with Backpropagation algorithm. The data of this research have as a source from custom documents of the Directorate General of Customs and Excise (Declaration Form/PEB and Impor Export Declaration/PIB). Based on this data, there are 7 variables used, among others: Year, Crude oil exports, Crude oil Impors, Exports of oil products, Impored oil products, Gas exports and Gas Impors. There are 5 architectural models used in this study, 12-5-1, 12-7-1, 12-8-1, 12-10-1 and 12-14-1. Of the 5 models has used, the best models is 12-5-1 with an accuracy 83%, MSE 0.0281641257 with error rate 0.001-0.05. So this model is good to predict the Volume of Exports and Impors of Oil and Gas in Indonesia, because its accuracy between 80% to 90%.


Keywords


ANN; NN; artificial neural network; declaration for; impor export declaration; oil and gas; predictions; ekspor; impor; Jaringan Syaraf Tiruan; migas; prediksi; minyak dan gas; JST

Full Text:

PDF

References


Alqurni, R. P., & Muljono, M. (2016). Pengenalan tanda tangan menggunakan Metode Jaringan Saraf Tiruan Perceptron dan Backpropagation. Techno.com, 15(4), 352-363.

Annuri, I. F., & Ruzikna, R. (2017). Analisis penggunaan metode Altman (Z-score) dalam memprediksi terjadinya financial distress pada perusahaan minyak bumi dan gas (Migas) yang terdaftar di Bursa Efek Indonesia (BEI) periode 2010-2014. Jurnal Online Mahasiswa Fakultas Ilmu Sosial dan Ilmu Politik Universitas Riau, 4(2), 1-13.

BPS, B. (2017). Volume Ekspor dan Impor Migas (Berat bersih: ribu ton), 1996-2016. Jakarta: Badan Pusat Statistik. Retrieved from https://www.bps.go.id/statictable/2017/11/20%2000:00:00/1982/volume-ekspor-dan-impor-migas-berat-bersih-ribu-ton-1996-2016.html

Hidayat, N. F., Musadieq, M. A., & Darmawan, A. (2017). Pengaruh foreign direct investment, nilai tukar dan pertumbuhan ekonomi terhadap ekspor (studi pada nilai ekspor non migas indonesia periode tahun 2005-2015). Jurnal Administrasi Bisnis, 43(1), 172-179.

Huang, D., & Wu, Z. (2017). Forecasting outpatient visits using empirical mode decomposition coupled with back-propagation artificial neural networks optimized by particle swarm optimization. PLoS ONE, 12(2), 1-17. doi:https://doi.org/10.1371/journal.pone.0172539

Izzah, A., & Widyastuti, R. (2016). Prediksi Kelulusan Mata Kuliah Menggunakan Hybrid Fuzzy Inference System. Register: Jurnal Ilmiah Teknologi Sistem Informasi, 2(2), 60-67.

Rumokoy, N. K. (2016). Pelanggaran hukum terhadap penggunaan minyak dan gas bumi (migas) yang terkandung di dalam wilayah hukum pertambangan Indonesia oleh pihak yang tidak berwenang. Jurnal Hukum Unsrat, 22(5), 40-55.

Sedyaningrum, M., Suhadak, S., & Nuzula, N. F. (2016). Pengaruh Jumlah Nilai Ekspor, Impor Dan Pertumbuhan Ekonomi Terhadap Nilai Tukar Dan Daya Beli Masyarakat Di Indonesia Studi Pada Bank Indonesia Periode Tahun 2006:iv-2015:iii. Jurnal Administrasi Bisnis (JAB), 34(1), 114-121.

Setiawan, T. U., Taufiq, A., & Astrika, L. (2017). Pemberdayaan masyarakat berbasis koperasi pada tambang minyak tradisional desa Bangoan kecamatan Jiken kabupaten Blora. Journal of Politic and Government Studies, 6(4), 111-120.

Siregar, S. P., & Wanto, A. (2017). Analysis of Artificial Neural Network Accuracy Using Backpropagation Algorithm In Predicting Process (Forecasting). International Journal Of Information System & Technology, 1(1), 34-42.

Sumijan, S., Windarto, A. P., Muhammad, A., & Budiharjo, B. (2016). Implementation of Neural Networks in Predicting the Understanding Level of Students Subject. International Journal of Software Engineering and Its Applications, 10(10), 189-204.

Wang, Z.-H., Gong, D.-Y., Li, X., Li, G.-T., & Zhang, D.-H. (2017). Prediction of bending force in the hot strip rolling process using artificial neural network and genetic algorithm (ANN-GA). The International Journal of Advanced Manufacturing Technology, 93(9-12), 3325–3338.

Wanto, A., Windarto, A. P., Hartama, D., & Parlina, I. (2017). Use of Binary Sigmoid Function And Linear Identity In Artificial Neural Networks For Forecasting Population Density. International Journal Of Information System & Technology, 1(1), 43-54.




DOI: https://doi.org/10.26594/register.v4i1.1157

Article metrics

Abstract views : 62 | views : 45

Refbacks

  • There are currently no refbacks.



Indexed in:

                                    


 

Creative Commons License
Register: Jurnal Ilmiah Teknologi Sistem Informasi is licensed under a Creative Commons Attribution 4.0 International License.