IMPLEMENTASI ELMAN RECURRENT NEURAL NETWORK (ERNN) UNTUK PREDIKSI NILAI EKSPOR (STUDI KASUS : PROVINSI RIAU)

Kegiatan ekspor memiliki banyak manfaat, salah satunya untuk meningkatkan kekayaan atau pendapatan negara. Komoditas ekspor terdiri dari minyak bumi dan gas (migas) dan non migas. Namun nilai ekspor setiap tahunnya mengalami peningkatan dan penurunan yang signifikan hal ini dapat mengakibatkan menurunnya devisa yang berpengaruh dalam kestabilan ekonomi. Sehingga diperlukan predikisi terhadap nilai ekspor. Penelitian ini menggunakan metode Elman Recurrent Neural Network untuk prediksi nilai ekspor di Provinsi Riau dengan menggunakan data dari Januari tahun 2008 sampai Juni tahun 2018 dengan 12 variabel yaitu data nilai ekspor 12 bulan sebelumnya. Variabel yang digunakan berupa data time series. Penelitian ini menggunakan variasi epoch yaitu 100, 250 dan 500, learning rate dari 0,01, 0,02, 0,03 0,04, 0,05, 0,06, 0,07, 0,08, dan 0,09 dan toleransi error 0,001 dengan pembagian data latih dan data uji sebesar 70%:30%, 80%:20% dan 90%:10%. Berdasarkan hasil pengujian MSE diperoleh MSE terkecil 0,028464 pada pembagian data 90%:10% dengan learning rate 0,09 dan epoch 500. Berdasarkan penelitian dapat disimpulkan bahwa Elman Recurrent Neural Network dapat memprediksi nilai ekspor di Riau. Kata Kunci: Elman Recurrent Neural Networks, Mean Square Error, Nilai Eskpor, Prediksi