EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 4.0

OPTIMASI MODEL GRU MULTIVARIAT DENGAN BAYESIAN HYPERPARAMETER TUNING UNTUK PERAMALAN TINGKAT PENGANGGURAN KABUPATEN SIDOARJO

Wahyu Ageng Rahino, Fetty Tri Anggraeny, Andreas Nugroho Sihananto

ILTEK : Jurnal Teknologi · 30.10.2026 · 21 (02) · 531-542

DOI: 10.47398/91n3p319 ↗

Kurz gefasst

Fachartikel in der Zeitschrift ILTEK : Jurnal Teknologi, online erschienen am 30.10.2026. Verfasst von Wahyu Ageng Rahino und 2 weiteren Autor:innen. Die Arbeit nennt 21 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Tingkat Pengangguran Terbuka (TPT) merupakan indikator kritis dalam evaluasi pembangunan ekonomi daerah. Kabupaten Sidoarjo sebagai wilayah industri strategis di Jawa Timur memerlukan sistem peramalan TPT yang akurat untuk mendukung perencanaan kebijakan ketenagakerjaan. Penelitian ini mengembangkan model peramalan TPT dengan menerapkan Gated Recurrent Unit (GRU) multivariat yang dioptimasi menggunakan Bayesian Hyperparameter Tuning. Dataset mencakup lima variabel makroekonomi tahunan periode 2005-2024: TPT, pertumbuhan PDRB, realisasi investasi, jumlah penduduk usia kerja, dan Indeks Pembangunan Manusia (IPM) yang bersumber dari Badan Pusat Statistik (BPS) Kabupaten Sidoarjo. Tahap preprocessing meliputi normalisasi Min-Max Scaler dan pembentukan sequence data menggunakan teknik sliding window. Optimasi hyperparameter dilakukan secara sistematis dengan Bayesian Optimization untuk menentukan konfigurasi terbaik pada enam parameter: jumlah unit GRU, ukuran window, learning rate, dropout rate, jumlah epoch, dan ukuran batch. Hasil optimasi menghasilkan model optimal dengan konfigurasi 64 unit GRU, window size 6, learning rate 0.01, dropout 0.4, 50 epoch, dan batch size 16. Evaluasi model menggunakan Root Mean Square Error (RMSE) menunjukkan nilai 0,143454 dengan akurasi peramalan rata-rata 93,26%. Model ini mampu menangkap pola non-linear dan ketergantungan temporal dalam data deret waktu multivariat, sekaligus mengidentifikasi dampak guncangan eksternal seperti pandemi COVID-19 terhadap dinamika TPT. Hasil penelitian membuktikan efektivitas kombinasi GRU multivariat dan Bayesian Hyperparameter Tuning dalam peramalan indikator ketenagakerjaan tingkat daerah, yang dapat dijadikan acuan dalam pengembangan sistem pendukung keputusan berbasis data untuk pemerintah daerah.

Zitieren

APA

Rahino, W. A., Anggraeny, F. T., & Sihananto, A. N. (2026). OPTIMASI MODEL GRU MULTIVARIAT DENGAN BAYESIAN HYPERPARAMETER TUNING UNTUK PERAMALAN TINGKAT PENGANGGURAN KABUPATEN SIDOARJO. ILTEK : Jurnal Teknologi, 21(02), 531-542. https://doi.org/10.47398/91n3p319

Vancouver

Rahino WA, Anggraeny FT, Sihananto AN. OPTIMASI MODEL GRU MULTIVARIAT DENGAN BAYESIAN HYPERPARAMETER TUNING UNTUK PERAMALAN TINGKAT PENGANGGURAN KABUPATEN SIDOARJO. ILTEK : Jurnal Teknologi. 2026;21(02):531-542. doi:10.47398/91n3p319

BibTeX
@article{Rahino2026,
  author = {Rahino, Wahyu Ageng and Anggraeny, Fetty Tri and Sihananto, Andreas Nugroho},
  title = {OPTIMASI MODEL GRU MULTIVARIAT DENGAN BAYESIAN HYPERPARAMETER TUNING UNTUK PERAMALAN TINGKAT PENGANGGURAN KABUPATEN SIDOARJO},
  journal = {ILTEK : Jurnal Teknologi},
  year = {2026},
  volume = {21},
  number = {02},
  pages = {531--542},
  doi = {10.47398/91n3p319}
}
Kostenlos starten →