Peramalan Harga Bahan Pokok Di Provinsi DKI Jakarta Menggunakan Metode Radial Basis Function Neural Network (RBFNN)

Muhti, Saifuddin Nurul (2020) Peramalan Harga Bahan Pokok Di Provinsi DKI Jakarta Menggunakan Metode Radial Basis Function Neural Network (RBFNN). Other thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 05211640000027-Undergraduate_Thesis.pdf]
Preview
Text
05211640000027-Undergraduate_Thesis.pdf

Download (2MB) | Preview

Abstract

Pangan merupakan suatu kebutuhan dasar utama bagi manusia untuk dapat mempertahankan hidup. Oleh karena itu, terpenuhinya kebutuhan akan pangan terutama bahan pokok adalah salah satu hal yang penting dalam kehidupan. Pada umumnya, harga terbentuk karena adanya interaksi antara penawaran dan permintaan. Jika penawaran tinggi dan permintaan rendah, maka harga akan turun. Sebaliknya, jika penawaran rendah sedangkan permintaan tinggi, maka harga akan naik. Hal ini sedikit berbeda dengan bahan pokok, terutama untuk produk pertanian. Hal ini dikarenakan sifatnya yang sangat penting bagi kehidupan. Permintaan akan bahan pokok cenderung tidak stabil (inelastis) terhadap perubahan harga yang menyebabkan harga bahan pokok menjadi fluktuatif saat terjadi perubahan penawaran terutama di Provinsi DKI Jakarta yang merupakan ibukota negara. Peramalan harga bahan pokok sangat penting dilakukan bagi pihak Dinas Ketahanan Pangan, Kelautan, dan Pertanian (KPKP) agar dapat menjamin harga bahan pokok tetap terjangkau oleh konsumen. Pada penelitian ini dilakukan peramalan terhadap harga dua macam komoditas di Pasar Induk Kramat Jati Provinsi DKI Jakarta, yaitu cabai dan bawang merah dengan menggunakan metode Radial Basis Function Neural Network dimana terdapat empat kualitas pada komoditas cabai dan satu kualitas pada komoditas bawang merah. Hasil dari penelitian ini adalah model peramalan dengan nilai akurasi peramalan yang paling optimal untuk dapat mengetahui harga bahan pokok tujuh hari mendatang. Penelitian ini menghasilkan model dengan nilai akurasi optimal yang diukur menggunakan MAPE dan RMSE pada komoditas bawang merah sebesar 8.564% dan 2561.992, cabai merah keriting sebesar 13.146% dan 4891.733, cabai merah besar sebesar 10.973% dan 5547.738, cabai rawit merah sebesar 8.525% dan 4507.603, dan cabai rawit hijau sebesar 10.835 dan 2322.133.
=========================================================
Food is a basic basic need for humans to be able to sustain life. Therefore, meeting the need for food, especially staples, is one of the important things in life. Generally, prices are formed because of the interaction between supply and demand. If supply is high and demand is low, prices will go down. Conversely, if supply is low while demand is high, then prices will rise. This is slightly different from staples, especially for agricultural products. This is because it is very important for life. Demand for staples tends to be unstable (inelastic) to price changes that cause prices of staples to fluctuate when there is a change in supply, especially in DKI Jakarta Province which is the country's capital. Forecasting the price of staples is very important for the Department of Food Security, Maritime Affairs and Agriculture (KPKP) to be able to guarantee the prices of basic commodities remain affordable by consumers. In this study forecasting the price of two kinds of commodities in the Kramat Jati Central Market of DKI Jakarta Province, namely chili and shallots using the Radial Basis Function Neural Network method where there are four qualities in chilli commodities and one quality in shallots. The expected results of this study are forecasting models with the most optimal forecasting accuracy values to be able to find out the price of staples for the next seven days. This research produces a model with optimal accuracy values measured using MAPE and RMSE on red onion commodities at 8.564% and 2561.992, curly red chilies at 13.146% and 4891.733, large red chilies at 10.973% and 5547.738, red cayenne peppers at 8.525% and 4507.603 , and green cayenne pepper of 10.835 and 2322.133.

Item Type: Thesis (Other)
Uncontrolled Keywords: Radial Basis Function Neural Network, Staple Food Prices, Chili, Bawang Shallot, Radial Basis Function Neural Network, Harga Bahan Pokok, Cabai, Bawang Merah
Subjects: 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: Saifuddin Nurul Muhti
Date Deposited: 18 Aug 2020 02:54
Last Modified: 19 Jul 2023 14:59
URI: http://repository.its.ac.id/id/eprint/78878

Actions (login required)

View Item View Item