PREDIKSI INDEKS HARGA KONSUMEN KOMODITAS MAKANAN DI JAWA TIMUR MENGGUNAKAN SUPPORT VECTOR REGRESSION DAN POLYNOMIAL REGRESSION

Suyono, Ayu Adelina (2023) PREDIKSI INDEKS HARGA KONSUMEN KOMODITAS MAKANAN DI JAWA TIMUR MENGGUNAKAN SUPPORT VECTOR REGRESSION DAN POLYNOMIAL REGRESSION. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

[img] Text (THESIS)
20.55.1344 Ayu Adelina Suyono.pdf
Download (4MB)

Abstract

Makanan merupakan salah satu kebutuhan pokok yang wajib dipenuhi oleh manusia. Tidak peduli naik atau turun harga komoditas makanan, kebutuhan akan makanan tidak bisa digantikan. Setelah diguncang oleh pandemi Covid-19 mulai awal tahun 2020 lalu, Indonesia mengalami pasang surut dalam tingkat perekonomiannya. Beberapa komoditas menjadi langka dan banyak yang mengalami kenaikan harga. Kenaikan harga komoditas menimbulkan turunnya daya beli masyarakat yang dapat pula berpengaruh pada perekonomian negara. Indeks Harga Konsumen (IHK) merupakan suatu nilai yang terbentuk hasil dari pengolahan data komoditas. Nilai ini dapat dijadikan sebagai salah satu acuan dalam menentukan adanya suatu inflasi atau deflasi ada suatu negara. Pada penelitian ini akan memanfaatkan machine learning untuk proses prediksi nilai IHK menggunakan data harga komoditas makanan. Data harga komoditas makanan dan data IHK yang digunakan berasal dari 34 komoditas makanan yang umum dikonsumsi di Jawa Timur. Periode data yang digunakan adalah pada tahun 2014-2020 dan terdiri dari 8 kabupaten/kota. Data tersebut kemudian diolah untuk dicari adanya korelasi antar variabel dan prediksi nilai IHK-nya. Analisa korelasi dilakukan dengan Pearson Product Moment, sedangkan proses prediksi dilakukan dengan 2 model. Model yang digunakan adalah Support Vector Regression dan Polynomial Regression. Hasil Analisa korelasi menunjukkan adanya korelasi negatif sempurna antarra varibel x (harga komoditas makanan) dan variabel y (nilai IHK). Artinya semakin naik harga komoditas makanan, maka semakin turun nilai IHK-nya. Sedangkan hasil prediksi menggunakan model SVR menghasilkan nilai MAPE 5,9% untuk data latih dan 6% untuk data uji. Sedangkan model PR menghasilkan nilai MAPE 0,3% pada data latih dan 3,4% pada data uji (Orde 3). Berdasarkan hasil pebandingan nilai MAPE dpat disimpulkan bahwa metode dengan performa terbaik adalah PR dengan Orde 3.

Item Type: Thesis (S2 - Magister)
Contributor:
Pembimbing
Kusrini, Kusrini
Arief, M. Rudyanto
Uncontrolled Keywords: Komoditas makanan, IHK, Analisa korelasi, Prediksi, Pearson Product Moment, Support Vector Regression, Polynomial Regression
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Pascasarjana MTI > PJJ
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 12 Jul 2023 01:51
Last Modified: 22 Jul 2023 07:14
URI: http://eprints.amikom.ac.id/id/eprint/20309

Actions (login required)

View Item View Item