Prediksi Harga Eceran Beras Di Pasar Tradisional Di 33 Kota Di Indonesia Menggunakan Algoritma Backpropagation

Ayu Artika Fardhani, Desi Insani Natalia Simanjuntak, Anjar Wanto

Abstrak


Abstrak — Beras merupakan makanan pokok yang paling banyak dikonsumsi oleh masyarakat Indonesia. Tingginya kebutuhan pangan terutama beras memaksa pemerintah dan penduduk untuk menerima tingginya harga eceran beras. Tujuan penulis melakukan penelitian ini untuk memprediksi harga eceran beras terhitung 2017-2020 dengan menggunakan algoritm backpropagation. Dalam penggunaannya algoritma backpropagation ini sangat baik untuk melakukan tugas prediksi dengan tingkat kesalahan yang cukup rendah. Data pada penelitian ini diperoleh dari Badan Pusat Statistik (BPS) Indonesia. Penelitian ini menggunakan 5 arsitektur antara lain : 4-25-1, 4-35-1, 4-40-1, 4-42-1, 4-45-1 dengan learning rate 0,09. Dari ke 5 Arsitektur ini, arsitektur terbaiknya adalah 4-45-1 dengan tingkat akurasi sebesar 88%, epoch 12718 iterasi dan waktu 1 menit 14 detik.

Kata kunci— Prediksi, Harga, Beras, Indonesia, Backpropagation.

 

Abstract — Rice is the staple food most consumed by the people of Indonesia. The high demand for food, especially rice, forced the government and residents to accept the high retail price of rice. The purpose of the authors to do this research to predict the retail price of rice counted 2017-2020 using backpropagation algorithm. In its use the backpropagation algorithm is excellent for performing prediction tasks with a fairly low error rate. The data in this study were obtained from the Indonesian Central Bureau of Statistics (BPS). This study uses 5 architectures, among others: 4-25-1, 4-35-1, 4-40-1, 4-42-1, 4-45-1. From the 5th Architecture, the best architecture is 4-45-1 with an accuracy of 88%, epoch 12718 iteration and 1 minute 14 seconds.

Keywords — Prediction, Price, Rice, Indonesia, Backpropagation.


Teks Lengkap:

PDF

Referensi


M. Z. Abidin, “Dampak Kebijakan Impor Beras Dan Ketahanan Pangan Dalam Perspektif Kesejahteraan Sosial,” pp. 213–230, 2015.

A. Aprilia et al., “Identifikasi Kualitas Beras dengan Citra Digital,” no. October 2016, 2015.

A. Wanto, M. Zarlis, Sawaluddin, D. Hartama, J. T. Hardinata, and H. F. Silaban, “Analysis of Artificial Neural Network Backpropagation Using Conjugate Gradient Fletcher Reeves In The Predicting Process,” Journal of Physics: Conference Series, vol. 930, no. 1, pp. 1–7, 2017.

A. Wanto, “Optimasi Prediksi Dengan Algoritma Backpropagation Dan Conjugate Gradient Beale-Powell Restarts,” Jurnal Teknologi dan Sistem Informasi, vol. 3, no. 3, pp. 370–380, 2018.

Y. M. A. Latupeirissa, N. Naingggolan, and T. Manurung, “Model Generalized Space Time Autoregressive ( GSTAR ) Orde 1 dan Penerapannya pada Prediksi Harga Beras di Kota Bitung , Kabupaten Minahasa dan Kabupaten Minahasa Selatan,” Jurnal Matematika dan Aplikasi (d’Cartesian), vol. 3, no. 1, pp. 43–49, 2014.

S. Nanggala, D. Saepuddin, and F. Nhita, “Analisis dan Implementasi Elman Recurrent Neural Network untuk Prediksi Harga Komoditas Pertanian,” e-Proceeding of Engineering, vol. 3, no. 1, pp. 1253–1261, 2016.

E. Hartato, D. Sitorus, and A. Wanto, “Analisis Jaringan Saraf Tiruan Untuk Prediksi Luas Panen Biofarmaka di Indonesia,” Jurnal semanTIK, vol. 4, no. 1, pp. 49–56, 2018.

A. Wanto, “Penerapan Jaringan Saraf Tiruan Dalam Memprediksi Jumlah Kemiskinan Pada Kabupaten/Kota Di Provinsi Riau,” Kumpulan jurnaL Ilmu Komputer (KLIK), vol. 5, no. 1, pp. 61–74, 2018.

A. Jumarwanto, R. Hartanto, and D. Prastiyanto, “Aplikasi Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Penyakit THT Di Rumah Sakit Mardi Rahayu Kudus,” Jurnal Teknik Elektro, vol. 1, no. 1, pp. 11–21, 2009.

R. E. Pranata, S. P. Sinaga, and A. Wanto, “Estimasi Wisatawan Mancanegara Yang Datang ke Sumatera Utara Menggunakan Jaringan Saraf,” Jurnal semanTIK, vol. 4, no. 1, pp. 97–102, 2018.

Y. A. Lesnussa, S. Latuconsina, and E. R. Persulessy, “Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Prestasi Siswa SMA ( Studi kasus : Prediksi Prestasi Siswa SMAN 4 Ambon ),” Jurnal Matematika Integratif, vol. 11, no. 2, pp. 149–160, 2015.

A. Wanto, A. P. Windarto, D. Hartama, and I. Parlina, “Use of Binary Sigmoid Function And Linear Identity In Artificial Neural Networks For Forecasting Population Density,” International Journal Of Information System & Technology, vol. 1, no. 1, pp. 43–54, 2017.

A. Wanto et al., “Analysis of Standard Gradient Descent with GD Momentum And Adaptive LR for SPR Prediction,” 3rd International Conference of Computer, Environment, Agriculture, Social Science, Health Science, Engineering and Technology, pp. 1–9, 2018.

A. Wanto and A. P. Windarto, “Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation,” Jurnal & Penelitian Teknik Informatika, vol. 2, no. 2, 2017.

J. K. H. S. No and J. Barat, “Analisis produksi beras di indonesia,” no. 9, pp. 245–251.

A. Wanto et al., “Levenberg-Marquardt Algorithm Combined with Bipolar Sigmoid Function to Measure Open Unemployment Rate in Indonesia,” in 3rd International Conference of Computer, Environment, Agriculture, Social Science, Health Science, Engineering and Technology, 2018, pp. 1–7.

M. A. P. Hutabarat, M. Julham, and A. Wanto, “Penerapan Algoritma Backpropagation Dalam Memprediksi Produksi Tanaman Padi Sawah Menurut Kabupaten/Kota di Sumatera Utara,” Jurnal semanTIK, vol. 4, no. 1, pp. 77–86, 2018.

M. Fauzan et al., “Epoch Analysis and Accuracy 3 ANN Algorithm Using Consumer Price Index Data in Indonesia,” in 3rd International Conference of Computer, Environment, Agriculture, Social Science, Health Science, Engineering and Technology, 2018, pp. 1–7.

S. P. Siregar and A. Wanto, “Analysis of Artificial Neural Network Accuracy Using Backpropagation Algorithm In Predicting Process ( Forecasting ),” International Journal Of Information System & Technology, vol. 1, no. 1, pp. 34–42, 2017.




DOI: http://dx.doi.org/10.30811/jim.v3i1.625

Refbacks

  • Saat ini tidak ada refbacks.