Pemodelan Prediksi Alokasi Pagu Belanja Pegawai dengan Metode Neural Network dan Linear Regression
DOI:
https://doi.org/10.51454/decode.v4i3.708Keywords:
Belanja Pegawai, Linear Regression, Neural Network, Pemodelan, PrediksiAbstract
Belanja Pegawai meupakan belanja rutin yang diterima Aparatur Sipil Negara (ASN) yang merupakan hak pegawai sebagai wujud penghargaan atau kompensasi atas tugas yang telah dilaksanakan untuk mendukung fungsi dan tugas unit organisasi pemerintah. Penelitian ini bertujuan untuk memprediksi alokasi pagu belanja pegawai tersebut dengan mengimplementasikan dan membandingkan kinerja algoritma Neural Network dan Linear Regression. Penelitian ini menggunakan rasio data pelatihan dan pengujian 90:10, 80:20 dan 70:30 dengan hasil pengujian menggunakan algoritma neural network mendapatkan nilai RMSE sebesar 1.528.548.203,391, 1.574.970.259,712, dan 1.502.955.371,784, sedangkan Linear Regression mendapatkan nilai RMSE sebesar 1.525.213.978,925, 1.612.945.104,455, dan 1.540.826.342,006. Berdasarkan hasil perbandingan pada rasio ideal data uji dan latih 80:20, dapat disimpulkan bahwa algoritma Neural Network dengan nilai RMSE 1.574.970.259,712 menunjukkan nilai kinerja yang lebih baik dari pada Linear Regression dengan nilai RMSE 1.612.945.104,455, diharapkan hasil tersebut dapat digunakan untuk membantu prediksi penyedian alokasi pagu belanja pegawai dimasa yang akan datang.
References
Akhmad, E. P. A. (2020). Data Mining Menggunakan Regresi Linear untuk Prediksi Harga Saham Perusahaan Pelayaran. Jurnal Aplikasi Pelayaran Dan Kepelabuhanan, 10(2), 120. https://doi.org/10.30649/japk.v10i2.83
Fahruddin, Y. I., Kurniawan, R., & Wijaya, Y. A. (2024). Penerapan Algoritma Regresi Linear Pada Data Harga Cabai Rawit Di Pasar Indihiang. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1614-1620. https://doi.org/10.36040/jati.v8i2.9053
Karbilai, I. H. (2023). Politik Fiskal Serapan Anggaran Belanja Pegawai Dan Belanja Barang. Jurnal Manajemen Indonesia), 8(2), 83–97. https://doi.org/10.29103/j-mind.v8i1.12801
Kementerian Agama RI. (2018). Laporan Keuangan Kementerian Agama Tahun 2018 Audited. https://ppid.kemenag.go.id/v5/laporan_keuangan.php
Kementerian Agama RI. (2019). Laporan Keuangan Kementerian Agama Tahun 2019 Audited. https://ppid.kemenag.go.id/v5/laporan_keuangan.php
Kementerian Agama RI. (2020). Laporan Keuangan Kementerian Agama Tahun 2020 Audited. https://ppid.kemenag.go.id/v5/laporan_keuangan.php
Kusumodestoni, R. H., & Suyatno, S. (2015). Prediksi Forex Menggunakan Model Neural Network. Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, 6(2), 205-210. https://doi.org/10.24176/simet.v6i2.453
Mumu, R. G. R., Nurchim, N., & Sumarlinda, S. (2023). Forecasting Central Bank Digital Currency Terhadap Rupiah Digital. IDEALIS: InDonEsiA journaL Information System, 6(2), 65-74. https://doi.org/10.36080/idealis.v6i2.3027
Pratiwi, A. S., & Nawatmi, S. (2024). Analisis Pagu Minus Belanja Pegawai Pada Pengadilan Negeri Semarang Kelas IA Khusus. Jurnal Ekonomi Manajemen Sistem Informasi (JEMSI), 5(5). https://doi.org/10.31933/jemsi.v5i5
Purwati, N., Nurlistiani, R., & Devinsen, O. (2020). Data Mining Dengan Algoritma Neural Network Dan Visualisasi Data Untuk Prediksi Kelulusan Mahasiswa. Jurnal Informatika, 20(2), 156-163.
Rahman, M. (2018). Prediksi Pembayaran Tagihan Listrik Menggunakan Model Artificial Neural Network.
Ridho, I. I., Mahalisa, G., Sari, D. R., & Fikri, I. (2022). Metode Neural Network Untuk Penentuan Akurasi Prediksi Harga Rumah. Technologia: Jurnal Ilmiah, 13(1), 56-58. http://dx.doi.org/10.31602/tji.v13i1.6252
Syahruddin, S. (2022). Analisis Realisasi Anggaran Belanja Pegawai Pada Satker Lingkup Kantor Kementerian Agama Kabupaten Bima Dan Kota Bima. Jurnal Ilmiah Mandala Education, 8(2), 1309-1323. http://dx.doi.org/10.58258/jime.v8i2.2979
Wijaya, A. H. (2019). Artificial Neural Network Untuk Memprediksi Beban Listrik dengan Menggunakan metode Backpropagation (Studi Kasus PT. PLN Regional Sumatera Barat). Jurnal CoreIT, 5(2), 61-70.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Rudi Hartono, Hendra Adi Saputra, Gandung Triyono

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.