Skripsi

Prediksi harga komoditas pokok pangan di Jawa Timur dengan menggunakan metode Extreme Learning Machine (ELM) / Tyas Ismi Zahrani

Abstrak
RINGKASAN Zahrani Tyas Ismi. 2019. Prediksi Harga Komoditas Pokok Pangan di Jawa Timur dengan Menggunakan Metode Extreme Learning Machine (ELM). Skripsi Program Studi S1 Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Triyanna Widiyaningtyas S.T. M.T. (II) Ilham Ari Elbaith Zaeni S.T. M.T. Ph.D. Kata Kunci Extreme Learning Machine Harga Komoditas Pangan Prediksi. Pangan merupakan kebutuhan dasar utama bagi manusia yang harus dipenuhi untuk bertahan hidup. Dalam mewujudkan ketahanan pangan suatu negara pemerintah perlu memperhatikan aspek stabilitas harga pangan. Harga pangan yang bersifat naik turun (fluktuatif) dapat menyebabkan berbagai dampak negatifapabila terjadi perubahan yang signifikan. Provinsi Jawa Timur merupakan salah satu provinsi dengan penduduk terbanyak nomor dua di Indonesia. Semakin tinggi jumlah penduduk suatu wilayah maka akan semakin tinggi pula permintaan komoditas pangan. Tingginya jumlah permintaan komoditas pangan namun tidak diimbangi dengan penawar menjadi salah satu faktor terjadinya kenaikan harga komoditas pangan. Sehingga perlu dilakukan prediksi untuk mencegah terjadinya kenaikan harga komoditas pokok pangan. Penelitian ini bertujuan untuk menerapkan algoritma Extreme Learning Machine (ELM) untuk memprediksi harga komoditas pokok pangan di provinsi Jawa Timur dan mengetahui hasil kinerja prediksi algoritma ELM dalam memprediksi harga komoditas pokok pangan. Penelitian ini menggunakan metode eksperimen dengan tahapan meliputi (1) tahap pengumpulan data yang diperoleh dari websitePusat Informasi Harga Pangan Strategis Nasional berupa data harian 10 komoditas pokok (2) tahap pengolahan data dilakukan proses preprocessing data serta menentukan data trainingdan data testing yang akan digunakan (3) tahap prediksi menggunakan metode ELM untuk pelatihan dan pengujian data dan (4) evaluasi menggunakan MAPE dengan bantuan program Java yang telah dibuat pada software Netbeans versi 8.0.2 untuk menghitung nilai error yang di peroleh. Hasil pengujian menunjukkan bahwa prediksi harga semua komoditas pokok memiliki rata-rata tingkat error sebesar 1 21% dengan menggunakan perbandingan data training dan data testing 80% 20% jumlah neuron pada hidden layersebanyak 7 neuron menggunakan fungsi aktivasi sigmoid biner dan menggunakan jumlah fitur data sebanyak 3 yakni berupa data harga 3 hari sebelum. Berdasarkan hasil tersebut dapat disimpulkan bahwa prediksi harga komoditas pokok pangan dengan menggunakan metode ELM menghasilkan akurasi yang baik .

Informasi Detail

DDC

Rs 005.1 ZAH p

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2019.

Deskripsi Fisik

xv, 127 lembar: ill., tab.; 30 cm

Bahasa

Indonesia

No Reg

06052/KI/19

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. ALGORITMA KOMPUTER
2. EXTREME LEARNING MACHINE
3. COMPUTER ALGORITHMS

Pembimbing

1. Triyanna Widiyaningtyas; 2. Ilham Ari Elbaith Zaeni

Lampiran Berkas