摘要：Pertumbuhan ekonomi merupakan salah satu indikator penting dalam menganalisis pembangunan perekonomian yang terjadi di suatu negara. Dengan mengetahui pertumbuhan ekonomi di masa mendatang, dapat memberikan gambaran terhadap situasi moneter di suatu negara. Angka pertumbuhan ekonomi yang tidak selalu linier, memberi kesulitan tersendiri dalam melakukan proses prediksi. Untuk itu diperlukan suatu metode yang mampu menangani karakteristik data pertumbuhan ekonomi yang terkadang bersifat non-linier, salah satunya adalah metode backpropagation. Adanya data-data masa lalu mengenai pertumbuhan ekonomi, menjadikan jaringan syaraf tiruan metode backpropagation dapat diterapkan untuk memprediksi pertumbuhan ekonomi. Pada metode backpropagation terjadi penyesuaian nilai bobot dan bias yang semakin baik pada proses pelatihan, sehingga target keluaran lebih mendekati ketepatan. Berdasarkan hasil pengujian yang telah dilakukan, performa terbaik yang didapat dari perbandingan kombinasi jumlah neuron hidden layer dan learning rate , mampu menghasilkan prediksi yang mendekati angka pertumbuhan ekonomi faktual, yakni 5,86%. Hasil ini menunjukkan tingkat keakuratan sebesar 99,92% untuk prediksi pertumbuhan ekonomi Indonesia di tahun 2013 dengan data faktual sebesar 5,78%.
其他摘要：Pertumbuhan ekonomi merupakan salah satu indikator penting dalam menganalisis pembangunan perekonomian yang terjadi di suatu negara. Dengan mengetahui pertumbuhan ekonomi di masa mendatang, dapat memberikan gambaran terhadap situasi moneter di suatu negara. Angka pertumbuhan ekonomi yang tidak selalu linier, memberi kesulitan tersendiri dalam melakukan proses prediksi. Untuk itu diperlukan suatu metode yang mampu menangani karakteristik data pertumbuhan ekonomi yang terkadang bersifat non-linier, salah satunya adalah metode backpropagation. Adanya data-data masa lalu mengenai pertumbuhan ekonomi, menjadikan jaringan syaraf tiruan metode backpropagation dapat diterapkan untuk memprediksi pertumbuhan ekonomi. Pada metode backpropagation terjadi penyesuaian nilai bobot dan bias yang semakin baik pada proses pelatihan, sehingga target keluaran lebih mendekati ketepatan. Berdasarkan hasil pengujian yang telah dilakukan, performa terbaik yang didapat dari perbandingan kombinasi jumlah neuron hidden layer dan learning rate , mampu menghasilkan prediksi yang mendekati angka pertumbuhan ekonomi faktual, yakni 5,86%. Hasil ini menunjukkan tingkat keakuratan sebesar 99,92% untuk prediksi pertumbuhan ekonomi Indonesia di tahun 2013 dengan data faktual sebesar 5,78%.
关键词：Backpropagation; Pertumbuhan Ekonomi Indonesia; Jaringan Syaraf Tiruan
