Pemodelan Pergerakan Harga Beras Premium Di Jakarta Berbasis Time Series Menggunakan Machine learning

Annisa, Axl Rose Kika (2021) Pemodelan Pergerakan Harga Beras Premium Di Jakarta Berbasis Time Series Menggunakan Machine learning. Undergraduate thesis, Universitas Pembangunan Jaya.

	Text 1 - PENDAHULUAN.pdf Download (1MB)
	Text 3 - ABSTRAK.pdf Download (178kB)
	Text 2 - ABSTRACT.pdf Download (114kB)
	Text 8 - BAB I.pdf Download (107kB)
	Text 14 - DAFTAR PUSTAKA.pdf Download (202kB)

Abstract

Beras merupakan sumber kalori bagi sebagian masyarakat di Indonesia. Seiring berjalannya waktu, beras mengalami fluktuasi yang berdampak terhadap pelaku ekonomi serta harga jasa dan barang secara tidak langsung. Untuk mengatasi hal tersebut, dirancang model harga beras premium di DKI Jakarta dengan algoritma machine learning K-NN (K-Nearest Neighbors), MLP (Multi-layer Perceptron), dan Decision Tree dengan data input yang digunakan adalah harga beras premium, suhu rata-rata di Jakarta, harga gabah di tingkat petani dan penggiling secara nasional serta inflasi kelompok bahan makanan yang terjadi di DKI Jakarta. Model terbaik dapat diterapkan ke dalam sistem prediksi beras premium yang dapat berguna sebagai tolak ukur dan langkah antisipatif, seperti menyediakan pasokan beras premium, untuk pemerintah dalam menstabilkan harga beras premium serta pelaku ekonomi, seperti pedagang. Data yang digunakan adalah data harga beras premium dari September 2018 – Januari 2021 serta data suhu rata-rata, harga gabah panen dan inflasi di periode yang sama. Data yang sudah dikumpulkan kemudian diolah menggunakan algoritma K-NN, MLP, dan Decision Tree dalam Python lalu dievaluasi dengan menghitung nilai eror menggunakan RMSE (Root Mean Square Error) dan R 2 . Hasil prediksi, nilai eror, dan R 2 dari ketiga algoritma tersebut kemudian saling dibandingkan untuk mendapatkan model yang paling cocok dalam memprediksi harga beras premium di DKI Jakarta. Hasil penelitian ini menunjukan bahwa algoritma MLP memiliki nilai eror yang paling kecil dan nilai R 2 yang tinggi. Nilai eror dari model MLP dengan 9 nodes pada hidden layer pertama, 14 nodes pada hidden layer kedua dan learning rate 0,1 sebesar 0,100 dan R 2 sebesar 77,51 persen.

Item Type:	Karya Tulis Ilmiah (KTI) (Undergraduate)
Uncontrolled Keywords:	Model Prediksi Harga Beras, Algoritma K-NN, Algoritma MLP, Algoritma Decision Tree, Machine Learning, Beras Premium
Subjects:	T Technology > T Technology (General) T Technology > TX Home economics
Divisions:	Fakultas Teknologi dan Desain > Informatika
Depositing User:	Magang Thufalia Rasya
Date Deposited:	26 Jan 2022 04:49
Last Modified:	26 Jan 2022 04:49
URI:	http://eprints.upj.ac.id/id/eprint/2343

Actions (login required)

View Item