ANALISA KOMPARASI NEURAL NETWORK BACKPROPAGATION DAN MULTIPLE LINEAR REGRESSION UNTUK PERAMALAN TINGKAT INFLASI
Tingkat inflasi tidak dapat dianggap remeh dalam sistem perekonomian suatu negara dan pelaku bisnis pada umumnya. Jika inflasi dapat diramalkan dengan akurasi yang tinggi, tentunya dapat dijadikan dasar pengambilan kebijakan pemerintah dalam mengantisipasi aktivitas ekonomi di masa depan. Pada penelitian ini akan digunakan metode prediksi neural network backpropagation dan multiple linear regression untuk memprediksi tingkat inflasi bulanan di indonesia, selanjutnya membandingkan manakah yang terbaik dari kedua metode tersebut. Data inflasi yang digunakan bersumber dari Badan Pusat Statistik dari tahun 2006-2015, dimana 80% sebagai data training dan 20% sebagai data testing. Dari hasil analisis data yang dilakukan disimpulkan bahwa Performa model multiple linear regression lebih baik dibandingkan dengan metode neural network backpropagation dengan nilai mean absolute deviation (MAD) sebesar 0.0380, mean square error (MSE) sebesar 0.0023, dan nilai Root Mean Square Error (RMSE) sebesar 0.0481