PENERAPAN DATA MINING DALAM MEMPREDIKSI HARGA BAHAN PANGAN DI INDONESIA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

Rahmadini (2024), PENERAPAN DATA MINING DALAM MEMPREDIKSI HARGA BAHAN PANGAN DI INDONESIA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR . Skripsi, Universitas Samudra.

ABSTRAK

Pangan merupakan salah satu sektor yang penting untuk kehidupan manusia, karena kebutuhan pokok manusia yaitu kebutuhan pangan. Seiring berjalannya waktu, harga pangan di Indonesia sering kali tidak stabil. Hal ini tentu saja berpengaruh yang besar bagi masyarakat dan petani. Penyebab dari ketidakstabilan harga bahan pangan ini bisa disebabkan oleh beberapa faktor, seperti faktor lingkungan, serangan hama dan wereng, dan lahan kekeringan. Penerapan salah satu metode data mining dalam proses prediksi harga bahan pangan khususnya prediksi harga beras di Indonesia dengan prediksi ini masyarakat di Seluruh indonesia bisa lebih berjaga-jaga di waktu yang akan datang. Manfaat memprediksi harga bahan pangan diharapkan dapat dijadikan rekomendasi kepada pemerintah agar dapat menstabilkan harga untuk menetapkan kebijakan menjaga keseimbangan harga beras di indonesia, sehingga diharapkan kebijakan yang ada berkembang dengan baik dan diharapkan penelitian ini dapat Memudahkan pihak Badan Pusat Statistik dalam memprediksi harga beras di Indonesia. Dataset yang digunakan berasal dari Website PIHPS Nasional. Adapun metode yang digunakan adalah algoritma regresi K-Nearest Neighbor (KNN) serta untuk pengujiannya menggunakan RMSE dan MAE. Hasil dari penelitian ini, metode K-Nearest Neighbor dengan model regresi dapat melakukan prediksi terhadap harga Beras pada tahun2018 - 2022 didata pertiap bulannya dengan diambahkan data variabel Luas Panen(ha), Hasil Produksi(ton) dari total percobaan dengan menggunakan range k=(2,10) maka hasil prediksi terbaik dengan menggunakan k = 2 dengan MAE dan RMSE untuk data training 40.15 dan 23.53 dan untuk data testing 47.66 dan 52.50 yang sudah dinormalisasi.

File ::(login required)