Implementasi algoritma one-step secant untuk peramalan pengangguran terbuka menurut tamatan pendidikan tertinggi

Berdasarkan data tingkat pengangguran terbuka menurut tamatan pendidikan tertinggi di Indonesia menampilkan jumlah pengangguran per semester nya yang memiliki nilai tidak stabil kadang naik dan kadang turun. Penelitian ini bertujuan untuk mengimplementasikan kemampuan dan kinerja salah satu fungsi pelatihan pada algoritma backpropagation yaitu onestep secant, yang nantinya dapat digunakan untuk dijadikan acuan dalam hal peramalan data Algoritma one-step secant merupakan algoritma yang mampu melatih jaringan apapun selama fungsi input, bobot dan transfer nya memiliki fungsi turunan dan algoritma ini mampu membuat pelatihan lebih efisien karena tidak membutuhkan waktu yang sangat lama. Data yang digunakan pada penelitian ini adalah data pengangguran terbuka menurut pendidikan tertinggi yang ditamatkan di Indonesia tahun 2006-2021 berdasarkan semester, yang bersumber dari Badan Pusat Statistik Indonesia. Berdasarkan data ini akan dibentuk dan ditentukan model arsitektur jaringan yang digunakan dengan metode One-step secant, antara lain 14-13-2, 14-162, 14-19-2, 14-55-2, dan 14-77-2. Dari 5 model ini setelah dilakukan pelatihan dan pengujian diperoleh hasil bahwa model arsitektur terbaik adalah 14-19-2 (14 adalah input layer, 19 adalah jumlah neuron hidden layer dan 2 adalah output layer). Tingkat akurasi dari model arsitektur untuk semester 1 dan semester 2 ini adalah 75% dengan nilai MSE sebesar 0,00130797 dan 0,00388535.