Model Artificial Neural Network Berbasis Particle Swarm Optimization Untuk Prediksi Pendapatan Asli Daerah (PAD)

Abstract

Kemajuan dan perkembangan teknologi diera modern ini semakin pesat sehingga penyajian informasi dapatdikerjakan dengan lebih cepat. Prediksi Pendapatan Asli Daerah (PAD) sangat dibutuhkan oleh setiapdaerah, untuk meramalakan kekayaan daerah sehingga dapat cepat dalam merencanakan strategipengelolaan kemajuan daerah. PAD adalah pendapatan daerah dari hasil pajak daerah, hasil retribusidaerah, serta hasil pengelolaan kekayaan daerah. Dalam kurun waktu tertentu jumlah penerimaanpendapatan akan terjadi fluktuatip. Dalam hal ini diperlukan pengembangan hasil akurasi prediksi yangakurat, model artificial neural network (ANN) sudah mulai banyak digunakan karena telah banyak performamodel artificial neural network (ANN) menghasilkan akurasi yang lebih baik. Kelebihan artificial neuralnetwork (ANN) telahbanyak dikembangkan olehbeberapa peneliti dengan integrasi model lain, diantaranyaintergrasi antara artificial neural network (ANN) berbasisparticle swarm optimization (PSO). Untukmeminimalisir kelemahan dari masing-masing model pengintregasian ini digunakan untuk hasil pengukuranyang lebih baik. Experiment dalam penelitian ini, mengukur kemampuan model artificial neural network(ANN) berbasis particle swarm optimization (PSO). Hasil ekperimen prediksi PAD menunjukkan bahwaartificial neural network (ANN) dan particle swarm optimization (PSO) menghasilkan nilai RMSE yang lebihbaik (0.083) dibandingkanartificial neural network (ANN) sebelum ditambahkanparticle swarm optimization(PSO) menghasilkan nilai RSME(0.089).Kata Kunci: Kata Kunci: PendapatanAsli Daerah, Keuangan, Pajak, ArtificialNeural Network,Particleswarm optimization.