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.References
. Peraturan Menteri dalam Negeri No. 21 tahun
tentang perubahan kedua atas peraturan
Menteri dalam Negeri nomor 13 Tahun 2006
tentang “pedoman pengelolaan keuangan daerah,
keuangan daerah adalah semua hak dan kewajiban
daerah dalam rangka penyelenggaraan
pemerintahan daerah yang dapat dinilai dengan
uang termasuk didalamnya segala bentuk kekayaan
yang berhubungan dengan hak dan kewajiban”.
. UU No. 33 Tahun 2004. ”Pendapatan asli
daerah yang sah, bertujuan untuk memberikan
keleluasaan kepada daerah dalam menggali
pendanaan dalam pelaksanaan otonomi daerah
sebagai perwujudan asas desentralisasi”.
. Mauriza, 2014, ”Implementasi Data mining
Untuk Memprediksi Kelulusan Mahasiswa Fakultas
Komunikasi Dan Informatika Universitas
Muhammadiyah Surakarta ( UMS ) Menggunakan
Metode Naive Bayes”, Penelitian, Fakultas
Komunikasi dan Informatika Universitas
Muhammadiyah, Surakarta.
. S.C Chu, Roddick J.F, dan Pan J.S., 2004, Ant
Colony System With Communication Strategies,
Information Sciences, Volume 167, pp 63-76.
. Turban et al, 2005. Pengertian data mining
(http://globallavebookx.blogspot.co.id/2015/04.
pengertian-data-miningmenurut-ahli.html/),
Diakses pada tanggal21 November 2016 pada
pukul 09.00 Wib.
. Santosa, B. 2007. Data Mining: Teknik
Pemanfaatan Data untuk Keperluan Bisnis. Graha
Ilmu. Yogyakarta.
. Raharjo J.S Dwi, 2013, Model Artificial Neural
Network Berbasis Particle Swarm Optimization
Untuk Prediksi Laju Inflasi, Jurnal Sistem
Komputer, ISSN 2252-3456, Volume 3 Nomor 1.
. Rahmalia D, dan Herlambang T, 2017, Prediksi
Cuaca Menggunakan Algoritma Particle Swarm
Optimization-Neural Network (PSONN), Seminar
Nasional Matematika dan Aplikasinya, Universitas
Airlangga Surabaya.
. J. Kennedy dan R. Eberhard, 2001, Swarm
Intelligence. San Francisco, CA: Morgan
Kaufmann Publishers, Inc, 2001.