"PENERAPAN MODEL LONG SHORT-TERM MEMORY (LSTM) UNTUK PREDIKSI JUMLAH PENDUDUK YANG DATANG DARI LUAR KOTA: STUDI KASUS DI SURABAYA"

Abstrak

Urbanisasi dan migrasi penduduk antar daerah merupakan fenomena yang terus berkembang, dan tidak ada yang dapat memprediksi kapan suatu daerah akan mengalami perkembangan pesat. Oleh karena itu, diperlukan sebuah metode peramalan untuk memprediksi perkembangan penduduk tersebut. Penelitian ini menggunakan model Long Time-Short Memory (LSTM), yang merupakan pengembangan dari Recurrent Neural Network (RNN), untuk meramalkan pergerakan jumlah penduduk. Data yang digunakan adalah deret waktu (time series) dari tahun 2015 hingga 2020, yang bersumber dari Badan Pusat Statistik Kota Surabaya. Proses penelitian dimulai dengan identifikasi model Jaringan Saraf Tiruan, diikuti dengan tahap pelatihan model (training), pengujian model (testing), dan peramalan. Evaluasi model dilakukan dengan menggunakan parameter Root Mean Squared Error (RMSE). Konfigurasi model yang digunakan memiliki arsitektur dengan 1 Neuron Input, 50 Neuron Hidden Input, dan 1 Neuron Output, serta menjalani 250 iterasi Epoch. Hasil penelitian menunjukkan nilai RMSE yang cukup baik, yaitu 0,001, yang mengindikasikan bahwa hasil prediksi atau peramalan mendekati data aktual.