Prediksi Harga Beras Premium Dengan Metode Algoritma K-nearest Neighbor

Yuwantoro Mukhlisin, Mahmud Imrona, Danang Triantoro Murdiansyah

Abstract

Abstrak Pertanian merupakan salah satu sektor yang penting untuk kehidupan manusia, karena sebagian besar kebutuhan manusia dari pertanian, yaitu adalah kebutuhan pangan. Seiring berjalannya waktu, harga pangan seringkali tidak stabil, terutama harga beras, karena beras adalah makanan pokok masyarakat Indonesia. Hal ini tentu saja berpengaruh yang besar bagi masyarakat dan petani. Penyebab dari ketidakstabilan harga beras ini bisa disebabkan oleh beberapa faktor, seperti faktor lingkungan, serangan hama dan wereng, dan lahan kekeringan. Pada tugas akhir ini, akan dibahas mengenai penerapan salah satu metode data mining dalam proses prediksi harga beras dengan membandingkan harga beras pada tahun 2014 - 2019 dari BPS Kota Bandung. Dataset yang digunakan berasal dari BPS Kota Bandung dari tahun 2014 hingga 2019 dan BMKG Kota Bandung dengan tahun yang sama. Adapun metode yang digunakan adalah algoritma regresi K-Nearest Neighbor (KNN) serta untuk pengujiannya menggunakan RMSE. Hasil dari penelitian ini, metode K-Nearest Neighbor dengan model regresi dapat melakukan prediksi terhadap harga beras pada tahun 2014 - 2019 dengan nilai RMSE 0,125 dan parameter K = 2 yang sudah dinormalisasi. Kata kunci : prediksi harga beras, data mining, algoritma regresi K-Nearest Neighbor (KNN) Abstract Agriculture is one of the important sectors for human life, because most of the human needs of agriculture, namely food needs. Over time, food prices are often unstable, especially the price of rice, because rice is the staple food of Indonesian people. This of course has a big effect on the community and farmers. The cause of this rice price instability can be caused by several factors, such as environmental factors, pest and plant hopper attacks, and drought land. In this observation, will be discussed regarding the application of one data mining method in the process of predicting rice prices by comparing the 2014 - 2019 rice prices from BPS Bandung. The dataset used is from the Bandung City BPS from 2014 to 2019 and BMKG Bandung City in the same year. The method used is the K-Nearest Neighbor (KNN) regression algorithm and for testing using RMSE. The results of this study, the K-Nearest Neighbor method with a regression model can predict rice prices in 2014 - 2019 with an RMSE value of 0,125 and parameter K = 2 which has been normalized. Keywords: rice price prediction, data mining, K-Nearest Neighbor (KNN) regression algorithm

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0