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%.

Rice is a basic need for Indonesian society, especially the Indonesian province. As the day goes by, the need for rice is getting higher, while productivity which is less able to keep up will certainly have an impact on the high retail price of rice. Apart from that, increased rainfall, sudden changes in seasons and the presence of pests whose timing cannot be predicted are the basis for fluctuations in rice prices, especially in Indonesian regions, so there is a need to have a basis for predicting rice prices in these areas. The aim of the research carried out by the author is to predict the price of rice in the 2023-2026 time period using the backpropagation algorithm and sample data from 2018-2023. Data extraction or what is also called the use of data mining is also part of the process of using the backpropagation model. The backpropagation algorithm is an artificial neural algorithm that is very well used to predict a variable with a fairly low error percentage. The data processed in this research comes from the Indonesian Central Statistics Agency (BPS). This research uses the 4-45-1 architecture with a learning rate of 0.09, including the best architecture with an accuracy rate of up to 87%, epoch 12718 literacy and a time of 1 minute 14 seconds and this architecture is the best architecture compared to 4 other architectures such as 4-25-1, 4-35-1, 4-35-1, 4-40-1, 4-42-1. The result of this research is that the use of the backpropagation model through the data mining process produces an accuracy of up to 87%.