PENERAPAN FEED FORWARD NEURAL NETWORK PADA KLASIFIKASI INDEKS PEMBANGUNAN GENDER INDONESIA

Abstract

Indeks Pembangunan Gender (IPG) merupakan indikator yang ditetapkan pemerintah untuk mengevaluasi pencapaian pembangunan manusia berbasis gender. IPG di Indonesia masih berada di bawah rata-rata IPG dunia. Hal tersebut berarti pembangunan gender di Indonesia masih perlu dievaluasi dan ditingkatkan. Penelitian ini bertujuan untuk mengklasifikasi IPG di Indonesia menggunakan feed forward neural network (FFNN) dengan metode k-nearest neighbour (KNN) sebagai pembanding. Metode FFNN merupakan salah satu metode jaringan saraf tiruan (JST). Data yang digunakan adalah data IPG tahun 2021 sebanyak 549 data. Data dibagi 80% sebagai data pelatihan dan 20% sebagai data pengujian. Terdapat 2 kategori IPG, yaitu kategori tinggi dan kategori rendah. Variabel bebas yang digunakan sebanyak 8 variabel, yaitu angka harapan hidup (AHH) perempuan, AHH laki-laki, angka harapan lama sekolah (HLS) perempuan, HLS laki-laki, rata-rata lama sekolah (RLS) perempuan, RLS laki-laki, pengeluaran per kapita yang disesuaikan perempuan, dan pengeluaran per kapita yang disesuaikan laki-laki. Hasil klasifikasi menggunakan FFNN menunjukkan akurasi sebesar 94.32%, sedangkan klasifikasi dengan KNN menghasilkan akurasi sebesar 85.45%. Hasil  klasifikasi menunjukkan kedua metode memiliki akurasi yang baik namun metode FFNN memberikan hasil yang lebih akurat dibanding dengan KNN.