PENERAPAN DATA MINING UNTUK MEMPREDIKSI HARGA BERAS DI INDONESIA MENGGUNAKAN METODE BACKPROPAGATION

Abstrak

Beras merupakan kebutuhan pokok Masyarakat Indonesia, terutama Provinsi Indonesia. Semakin hari kebutuhan akan beras semakin tinggi sementara produktifitas yang kurang bisa mengimbangi tentu akan berpengaruh terhadap tingginya harga eceran beras. Selain itu, tangkat curah hujan, perubahan musim secara tiba-tiba dan adanya hama yang tidak bisa diprediksi waktunya menjadi dasar terjadinya fluktuasi pada harga beras khsususnya di daerah indonesia, sehingga perlu adanya pijakan dalam prediksi harga beras di daerah tersebut. Tujuan penelitian yang dilakukan penulis ialah untuk memprediksi harga beras dalam rentang waktu 2023-2026 dengan menggunakan algoritm backpropagation dan data sampel dari tahun 2018-2023. Ekstraksi data atau yang juga disebut dengan pemanfaatan data mining juga menjadi bagian dari proses penggunaan model backpropagation. Algoritme  backpropagation adalah algoritme saraf tiruan yang sangat baik digunakan untuk memprediksi suatu variabel dengan persentase kesalahan yang cukup rendah. Data yang di olah dalam penelitian ini bersumber dari Badan Pusat Statistik (BPS) Indonesia, Penelitian ini menggunakan arsitektur 4-45-1 dengan learning rate 0,09 termasuk arsitektur yang terbaik  dengan tingkat akurasi hingga 87% epoch 12718 literasi dan waktu 1 menit 14 detik dan arsitektur tersebut merupakan arsitektur terbaik dibandingkan 4 arsitektur yang lain seperti 4-25-1, 4-35-1, 4-35-1, 4-40-1,4-42-1. Hasil penelitian ini adalah pemanfaatan model backpropagation melalui proses data mining menghasilkan akurasi sampai 87%.