PERBANDINGAN ALGORITMA SUPPORT VECTOR REGRESSION DAN RANDOM FOREST UNTUK PREDIKSI HARGA BERAS

Rivaldo, Muhammad Akbar (2024) PERBANDINGAN ALGORITMA SUPPORT VECTOR REGRESSION DAN RANDOM FOREST UNTUK PREDIKSI HARGA BERAS. Diploma thesis, UPN "Veteran" Yogyakarta.

	Text COVER_123180096_Muhammad Akbar Rivaldo.pdf Download (234kB)
	Text ABSTRAK_123180096_Muhammad Akbar Rivaldo.pdf Download (362kB)
	Text HALAMAN PENGESAHAN PEMBIMBING_123180096_Muhammad Akbar Rivaldo.pdf Download (331kB)
	Text HALAMAN PENGESAHAN PENGUJI_123180096_Muhammad Akbar Rivaldo.pdf Download (253kB)
	Text DAFTAR ISI_123180096_Muhammad Akbar Rivaldo.pdf Download (635kB)
	Text DAFTAR PUSTAKA_123180096_Muhammad Akbar Rivaldo.pdf Download (147kB)
	Text FULLTEXT SKRIPSI_123180096_Muhammad Akbar Rivaldo.pdf Restricted to Repository staff only Download (2MB)

Abstract

Beras adalah bahan pokok yang sangat penting bagi orang Indonesia dalam
kehidupan sehari-hari . Sampai saat ini, Indonesia masih sulit untuk mengganti beras dengan
jenis makanan pokok lain. Konsumsi beras di Indonesia terus meningkat seiring dengan
pertumbuhan populasi, menjadikannya negara dengan konsumsi beras tertinggi di seluruh
dunia Peramalan harga beras diperlukan karena fluktuasi harga beras yang cepat dan
ketidakpastian di masa depan. Pemerintah terus mengawasi dan mengintervensi harga beras.
Ini disebabkan oleh fakta bahwa harga beras memengaruhi kemiskinan, ketahanan pangan,
stabilitas makroekonomi, dan pertumbuhan ekonomi negara.
Sistem prediksi harga beras mampu memberikan rekomendasi akses terkait kenaikan
harga untuk setiap daerah. Salah satunya menggunakan algoritma machine learning yang
dapat membantu menentukan harga beras secara optimal. SVR merupakan metode
peramalan yang berguna untuk memprediksi data deret waktu yang bersifat nonlinear..
Kelebihan utama dari SVR adalah kemampuannya dalam menangani data nonlinear dengan
menggunakan trik kernel sehingga dapat menghasilkan error seminimal mungkin.adapun
model yang baik pada sistem prediksi adalah metode Random forest dimana Random Forest
dapat meningkatkan akurasi karena adanya pemilihan secara acak dalam membangkitkan
simpul anak untuk setiap node (simpul diatasnya) dan diakumulasikan hasil klasifikasi dari
setiap pohon (tree), kemudian dipilih hasil klasifikasi yang paling banyak muncul.
Hasil Penelitian ini menunjukkan bahwa metode SVR secara umum memberikan
nilai Mean Absolute Percentage Error (MAPE) yang lebih rendah dibandingkan dengan
metode RF untuk sebagian besar jenis beras. Hasil MAPE terbaik dengan SVR ditemukan
pada beras Kualitas Bawah II dengan nilai sebesar 1,18%, yang menunjukkan tingkat akurasi
yang sangat tinggi. Metode RF, meskipun memberikan hasil yang baik, memiliki variasi
nilai MAPE yang lebih tinggi dibandingkan dengan SVR, dengan prediksi terbaik juga
ditemukan pada beras Kualitas Super II sebesar 3,03%. Dari hasil pengujian tersebut Secara
keseluruhan, metode SVR menunjukkan performa prediksi yang lebih baik dan konsisten
dibandingkan dengan RF, terutama untuk beras kualitas tinggi. Namun, kedua metode ini
efektif dalam memprediksi harga beras dengan tingkat kesalahan relatif rendah,
mengindikasikan kinerja peramalan yang sangat baik.

Kata kunci : Sistem Prediksi, SVR, Harga Beras, Random Forest, MAPE

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Sistem Prediksi, SVR, Harga Beras, Random Forest, MAPE
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	21 Jun 2024 06:36
Last Modified:	21 Jun 2024 06:36
URI:	http://eprints.upnyk.ac.id/id/eprint/39856

Actions (login required)

View Item