PREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS BENGKULU MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION

Perpustakaan perguruan tinggi memiliki peran penting sebagai pusat informasi,
pendidikan, dan penelitian, sehingga kemampuan untuk memprediksi jumlah
pengunjung secara akurat menjadi aspek krusial dalam mendukung perencanaan
layanan serta optimalisasi manajemen sumber daya. Penelitian ini bertujuan
mengembangkan model prediksi jumlah pengunjung Perpustakaan Universitas
Bengkulu dengan memanfaatkan Jaringan Syaraf Tiruan (JST) menggunakan
algoritma Backpropagation berbasis data deret waktu bulanan dari Juli 2020 hingga
Juni 2025. Metodologi penelitian ini meliputi normalisasi data menggunakan min�max scaling pada interval [0,1], pembagian data menjadi 90% data latih dan 10%
data uji, serta eksplorasi sistematis terhadap kombinasi arsitektur jaringan (input 1–
12, hidden layer 1–20) dan variasi learning rate [0.1, 0.9]. Hasil analisis
menunjukkan bahwa arsitektur optimal diperoleh pada konfigurasi 6-3-1 (6 neuron
input, 3 neuron hidden layer, 1 neuron output) dengan learning rate sebesar
0.404832. Model ini menghasilkan Mean Absolute Percentage Error (MAPE)
sebesar 18%, setara dengan akurasi prediksi 82%. Prediksi enam bulan ke depan
(Juli–Desember 2025) mengindikasikan adanya fluktuasi pengunjung, dengan
jumlah tertinggi pada bulan Oktober sebesar 2.500 pengunjung dan terendah pada
bulan September sebesar 1.347 pengunjung. Temuan ini menegaskan potensi
penerapan JST dengan algoritma Backpropagation dalam mendukung pengambilan
keputusan strategis, pengembangan layanan, dan pemanfaatan sumber daya
perpustakaan yang lebih efektif dan efisien.
Kata kunci : Backpropagation, Jaringan Syaraf Tiruan, Perpustakaan, Prediksi