Prediksi Harga Komoditas Pertanian Menggunakan Hybrid Algoritma Jaringan Syaraf Tiruan Arsitektur Radial Basis Function (rbf) Dengan Algoritma Genetika

Sri Rezeki Hardiyanti, Deni Saepudin, Fhira Nhita

Abstract

Harga komoditas pertanian seperti bawang merah dan cabai merah biasa sangat fluktuatif sehingga membuat masyarakat Indonesia menjadi sensitif akan hal itu. Oleh karena itu, pada tugas akhir ini dilakukan suatu metode memprediksi harga komoditas pertanian yaitu bawang merah dan cabai merah biasa yang disertai curah hujan dan tanpa curah hujan untuk 10 minggu kedepan berdasarkan data harga mingguan komoditas tersebut dan data mingguan curah hujan di Bandung. Sistem ini menggunakan salah satu  metode  Algoritma  Jaringan  Syaraf  Tiruan  (JST)  yaitu  Radial  Basis  Function  Neural  Network (RBFNN). Akan tetapi, RBFNN memiliki kelemahan dalam menentukan nilai center yang optimal. Untuk mendapatkan hasil terbaik, maka Algoritma Genetika akan digunakan untuk mengoptimasi RBFNN. Algoritma Genetika membangkitkan sejumlah individu random dengan representasi integer yang berarti posisi dari data input. Setiap individu akan dievaluasi menggunakan algoritma RBFNN untuk mencari individu terbaik berdasarkan fitnessnya, setelah itu dilakukan operator GA sehingga didapatkan individu yang berisi nilai center di RBFNN yang optimal. Penelitian sebelumnya tentang algoritma hybrid GANN dan algoritma RBFNN dengan kasus memprediksi harga sayuran jamur dengan nama latin Lentionus edodes dilakukan di China dengan judul “Prediction of Vegetable Price Based on Neural Network and Genetic Algorithm†dengan MAE yang didapatkan 0.144. Hasil dari sistem prediksi harga bawang merah tanpa disertai curah hujan didapatkan nilai center yang optimal dengan inputan 22, ukuran populasi 50, maksimal generasi 500, probabilitas crossover (Pc) 0.8, probabilitas mutasi (Pm) 0.1 dengan MAPE yg didapatkan 16.664, sedangkan untuk prediksi bawang merah yang disertai curah hujan yang optimal dengan inputan 2, ukuran populasi 50, maksimal generasi 500, Pc 0.6, Pm 0.1 dengan MAPE yg didapatkan 19.212, sedangkan untuk sistem prediksi cabai merah biasa tanpa disertai curah hujan yang optimal dengan inputan 26, ukuran populasi 50, maksimal generasi 500, Pc 0.6, Pm 0.1 dengan MAPE 24.116 dan untuk cabai merah disertai curah hujan dengan inputan 26, ukuran populasi 50, maksimal generasi 500, Pc 0.6 dan Pm 0.1 didapatkan MAPE 18.723. Dari keseluruhan hasil MAPE yang diperoleh performansi akurasi yang didapatkan lebih dari 75%. Kata kunci : komoditas pertanian , prediksi, time series, JST, RBF, MAPE

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0