Peramalan Harga Jual Cabai Di Beberapa Pasar Tradisional Provinsi DKI Jakarta Dengan Metode Artificial Neural Network

Iqbal, Ashshiddiq NZ (2019) Peramalan Harga Jual Cabai Di Beberapa Pasar Tradisional Provinsi DKI Jakarta Dengan Metode Artificial Neural Network. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 05211140000180-Undergraduate_Theses.pdf]
Preview
Text
05211140000180-Undergraduate_Theses.pdf

Download (2MB) | Preview

Abstract

Komoditas strategis pertanian memiliki peranan penting dalam perekonomian di Indonesia. Salah satu produk hortikultura yang diminati oleh masyarakat Indonesia adalah cabai rawit dan cabai merah besar. Pada musim tertentu, kenaikan harga cabai cukup signifikan sehingga mempengaruhi tingkat inflasi. Keadaan ini diakibatkan karena tidak seimbangnya antara persediaan dengan permintaan sehingga perlu perencanaan. Peramalan merupakan alat bantu yang penting dalam suatu perencanaan. Metode peramalan yang digunakan adalah Neural Network karena metode ini bagus untuk meramalkan data yang mempunyai fluktuasi tinggi.
Dalam tugas akhir ini, metode Artificial Neural Network (ANN) atau Jaringan Saraf Tiruan (JST) dengan penggunaan unit LSTM dipilih untuk melakukan prediksi harga Cabai Merah Besar dan Cabai Rawit Merah di Pasar Kramatjati dan Pasar Jatinegara. Penggunaan jaringan saraf tiruan dengan unit LSTM ini dapat menghasilkan prediski yang akurat karena metode ini memiliki toleransi yang tinggi terhadap data urutan waktu (time-series data).
Penelitian ini menggunakan 395 data harga cabai harian periode 1 Juli 2016 sampai 28 februari 2018 untuk setiap jenis harga cabai di masing-masing pasar.
Pengujian menunjukan bahwa model prediksi dengan menggunakan Jaringan Saraf Tiruan mampu memberikan tingkat akurasi yang baik. Hal ini ditunjukkan dengan nilai kesalahan MAPE yang berada dikisaran 2,53% hingga 11,40%.
Nantinya hasil dari model prediksi ini diharapkan dapat digunakan untuk dasar perencanaan harga jual produksi cabai untuk mencegah terjadinya over-production maupun under-production.
================================================================================================
Agricultural strategic commodities have an important role in the economy in Indonesia. One of the horticultural products that are in demand by the Indonesian people is cayenne pepper and big red chili. In certain seasons, the increase in chili prices is significant enough to affect the inflation rate. This situation is caused by an imbalance between supply and demand so that planning needs. Forecasting is an important tool in planning. The forecasting method used is the Neural Network because this method is good for predicting data that has high fluctuations.
In this final assignment, the method of Artificial Neural Network (ANN) with the use of the LSTM unit was chosen to predict the price of the Red Chili and Thai Pepper in Kramatjati Market and Jatinegara Market. Use of artificial neural networks with this LSTM unit can produce accurate predictions because this method has a high tolerance for time sequence data (time-series data)
This study uses 395 daily chili price data for the period July 1, 2016 to February 28, 2018 for each type of chili prices in each market.
Testing shows that the prediction model using Artificial Neural Networks is able to provide a good level of accuracy. This is indicated by the MAPE error value in the range of 2.53% to 11.40%.
Later the results of this prediction model are expected to be used for the basis of planning the selling price of chili production to prevent over-production and under-production.

Item Type: Thesis (Undergraduate)
Additional Information: RSSI 519.535 Iqb p-1 2019
Uncontrolled Keywords: Jaringan Syaraf Tiruan, Peramalan, Harga Cabai
Subjects: Q Science > QA Mathematics > QA280 Box-Jenkins forecasting
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
T Technology > T Technology (General) > T174 Technological forecasting
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User: Iqbal Ashshiddiq NZ
Date Deposited: 10 May 2022 08:40
Last Modified: 10 May 2022 08:40
URI: http://repository.its.ac.id/id/eprint/60947

Actions (login required)

View Item View Item