PREDIKSI HARGA CABAI RAWIT MENGGUNAKAN HIBRID ARTICIAL NEURAL NETWORK (ANN) DAN PARTICLE SWARM OTIMIZATION (PSO)

Muhammad Syarwani; M. Faishol Amrulloh; Ahmad Zulham Fahamsyah Havy

doi:10.53567/josiati.v1i3.25

Authors

Muhammad Syarwani Prodi Teknik Informatika,Universitas Yudharta Pasuruan
M. Faishol Amrulloh Program Studi Teknik Informatika Yudharta pasuruan
Ahmad Zulham Fahamsyah Havy Universitas Yudharta Pasuruan

DOI:

https://doi.org/10.53567/josiati.v1i3.25

Keywords:

Artificial Neural NetworkArtificial Neural Network, particle swarm optimization, Prediksi, , Cabai Rawit

Abstract

Cabai Rawit merupakan jenis sayuran yang Sering di gunakan mengandung protein hewani yang menjadi kebutuhan manusia. Pada bulan tertentu, biasanya di awal dan akhir tahun, stok cabai rawit trurun drastis yang memicu kenaikan harga. Untuk mengantisipasi terjadinya ketidak tetapan harga, maka baik produsen maupun konsumen harus memiliki gambaran mengenai harga yang akan datang. Pada penelitian ini menggunakan Artificial Neural Network Dengan PSO (particle swarm optimization) untuk memprediksi harga Cabai Rawit. Data yang di gunakan adalah data perminggu harga Cabai Rawit di kabupaten pasuruan. Sebagai inputan di Neural network digunakan data multivariate dengan data awal sejumlah 384. Untuk mendapatkan nilai terbaik di lakuakan beberapa eksperimen pada proses penentuan nilai terbaik di parameter. Hasil prediksi dari kedua model kemudian di bangdingkan mana yanga terbaik dengan melihat hasil RMSE(Root Mean Square Error). Dari hasil prediksi pada model Artificial Neural Network menunjukkan hasil RMSE terbaik dengan nilai 8523.705, sedangakan model Neural Network dan PSO (particle swarm optimization) di peroleh RMSE 8119.993. nilai tersebut menunjukkan bahwa model Artificial Neural Network dan PSO (particle swarm optimization) lebih baik dari model Artificial Neural Network saja, dalam memprediksi harga Cabai Rawit dikabupaten pasuruan.

References

D. Z. Rizaldy, “Pengaruh Harga Komoditas Pangan Terhadap Inflasi Di Kota Malang Tahun 2011-2016,” J. Ekon. Pembang., vol. 15, no. 2, p. 171, 2017, doi: 10.22219/jep.v15i2.5363.

1988). (Cullingworth, “This document is discoverable and free to researchers across the globe due to the work of AgEcon Search . Help ensure our sustainability . ａｃｔｏｒｓＩｎｆｌｕｅｎｃｉｎｇＰｒｉｃｅｏｆＡｇｒｉｃｕｌｔｕｒａｌＰｒｏｄｕｃｔｓａｎｄＳｔａｂｉｌｉｔｙＣｏｕｎｔｅ,” AgEcon Search, p. 18, 2015, [Online]. Available: file:///F:/Spec 2/Traffic Delay Model.pdf

F. J. Simanungkalit, L. Sutiarso, and D. Purwadi, “Sistem Pendukung Keputusan Berbasis Jaringan Saraf Tiruan Untuk Peramalan Harga Komoditas Tanaman Pangan,” Agritech, vol. 33, no. 1, pp. 70–80, 2013.

P. Bidang and K. Sains, “Jurnal Edik Informatika Peramalan Penjualan Pada Usaha Kecil Menengah ( UKM ) Roti Sania Dengan Menggunakan Program POM QM Jurnal Edik Informatika,” vol. 1, pp. 64–69.

B. H. Hayadi, I. G. I. Sudipa, and A. P. Windarto, “Model Peramalan Artificial Neural Network pada Peserta KB Aktif Jalur Pemerintahan menggunakan Artificial Neural Network Back-Propagation,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 1, pp. 11–20, 2021, doi: 10.30812/matrik.v21i1.1273.

A. Machmudin and B. S. S. Ulama, “Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network,” J. Sains Dan Seni ITS, vol. 1, no. 1, pp. 118–123, 2012.

J. S. DWI Raharjo, “Model Artificial Neural Network Berbasis Particle Swarm Optimization Untuk Prediksi Laju Inflasi,” J. Sist. Komput., vol. 3, no. 1, pp. 10–21, 2013.

A. A. Hafsari and V. Sari, “Penerapan Metode Artificial Neural Network untuk Meramalkan Inflow Debit Air Waduk Gajah Mungkur di Kabupaten Wonogiri,” J. Tek. Pengair., vol. 6, pp. 55–60, 2017.

D. W. Prabowo, “Pengelompokan Komoditi Bahan Pangan Pokok Dengan Metode Analytical Hierarchy Process,” Bul. Ilm. Litbang Perdagang., vol. 8, no. 2, pp. 163–182, 2014, doi: 10.30908/bilp.v8i2.81.

Z. min Li et al., “Prediction model of weekly retail price for eggs based on chaotic neural network,” J. Integr. Agric., vol. 12, no. 12, pp. 2292–2299, 2013, doi: 10.1016/S2095-3119(13)60610-3.

R. M. Sampurno and K. B. Seminar, “Aplikasi Jaringan Syaraf Tiruan pada Sistem Deteksi Dini untuk Manajemen Krisis Pangan,” J. Teknotan Vol, vol. 11, no. 1, 2017, [Online]. Available: https://repository.dinus.ac.id/docs/ajar/11318-28129-2-PB.pdf

Putu Doddy, “Bumi Lestari Vol. 11, No 1. (2011),” J. Bumi Lestari, vol. 11, no. 01, pp. 9–22, 2011, [Online]. Available: https://www.researchgate.net/publication/279480304

UNDANG UNDANG REPUBLIK INDONESIA NOMOR 20 TAHUN 2003 TENTANG SISTEM PENDIDIKAN NASIONAL, “No 主観的健康感を中心とした在宅高齢者における健康関連指標に関する共分散構造分析Title,” Demogr. Res., vol. 49, no. 0, pp. 1-33 : 29 pag texts + end notes, appendix, referen, 2003.

M. Y. Habibi and E. Riksakomara, “Peramalan Harga Garam Konsumsi Menggunakan Artificial Neural Network Feedforward-Backpropagation (Studi Kasus : PT. Garam Mas, Rembang, Jawa Tengah),” J. Tek. ITS, vol. 6, no. 2, 2017, doi: 10.12962/j23373539.v6i2.23200.

F. Pakaja, A. Naba, and Purwanto, “Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor,” Eeccis, vol. 6, no. 1, pp. 23–28, 2012.

A. Nurlifa and S. Kusumadewi, “Sistem Peramalan Jumlah Penjualan Menggunakan Metode Moving Average Pada Rumah Jilbab Zaky,” INOVTEK Polbeng - Seri Inform., vol. 2, no. 1, p. 18, 2017, doi: 10.35314/isi.v2i1.112.

S. Meliza, “Konsep Dasar Kesehatan dan Keselamatan Kerja ( K3 ) dalam Asuhan Keperawatan,” J. Ber. Ilmu Keperawatan, vol. 4, no. 2, pp. 1–11, 2021.

M. A. Thalib, “Pelatihan Teknik Pengumpulan Data Dalam Metode Kualitatif Untuk Riset Akuntansi Budaya,” Seandanan J. Pengabdi. Pada Masy., vol. 2, no. 1, 2022, doi: 10.23960/seandanan.v2i1.29.

J. Kennedy and R. Eberhart, “Particle swarm optimization PAPER - IGNORE FROM REFS,” ICNN’95-international Conf. neural networks, pp. 1942–1948, 1995.

A. T. Nurani, A. Setiawan, and B. Susanto, “Perbandingan Kinerja Regresi Decision Tree dan Regresi Linear Berganda untuk Prediksi BMI pada Dataset Asthma,” J. Sains dan Edukasi Sains, vol. 6, no. 1, pp. 34–43, 2023, doi: 10.24246/juses.v6i1p34-43.