Algoritma Backpropagation untuk Memprediksi Korban Bencana Alam

Abstrak

Indonesia merupakan negara yang rawan terkena musibah bencana alam. Karena Indonesia merupakan negara maritim dan geografisnya banyak gunung merapi. Agar dapat mengurangi korban bencana alam atau musibah lainnya, kami melakukan penelitian terkait prediksi korban bencana alam. Tujuan penelitian ini untuk membantu tim atau pihak terkait dalam mempersiapkan diri untuk mengatasi korban bencana alam yang membesar. Adapun algoritma yang digunakan dalam memprediksi korban bencana alam adalah backpropagation. Data yang digunakan dalam penelitian ini adalah dataset DIBI yang diambil dari dataset Google. Adapun yang diprediksi adalah dampak bencana sebanyak 5128 baris, korban hilang sebanyak 524 baris, korban luka-luka sebanyak 2653 baris, dan korban meninggal 941 baris. Setiap dataset dengan masing-masing kategori dampak bencana, korban hilang, korban luka-luka, dan korban meninggal dibuat 2 variabel inputan. Variabel input dari masing-masing kategori adalah kode_kabupaten, dan tahun, dan variabel output jumlah korban bencana. Struktur dan arsitektur jaringan syaraf tiruan penelitian ini, yaitu 2 node input layer, 2 node hidden layer, dan 1 node output layer. Dari arsitektur tersebut, dilakukan training dan testing, di mana hasil testing data dampak bencana sebanyak 110 baris nilai MSE-nya 0,0371, hasil testing data korban luka-luka sebanyak 53 baris nilai MSE-nya 0,0256, hasil testing korban hilang sebanyak 24 baris nilai MSE-nya 0,041, dan hasil testing korban meninggal sebanyak 41 baris nilai MSE-nya 0,029.