Image of PERBANDINGAN MODEL SUPPORT VECTOR REGRESSION, RANDOM FOREST REGRESSION, DAN RECURRENT NEURAL NETWORK DALAM MEMPREDIKSI HARGA CABAI (STUDI KASUS: PROVINSI SUMATERA SELATAN). 

Skripsi

PERBANDINGAN MODEL SUPPORT VECTOR REGRESSION, RANDOM FOREST REGRESSION, DAN RECURRENT NEURAL NETWORK DALAM MEMPREDIKSI HARGA CABAI (STUDI KASUS: PROVINSI SUMATERA SELATAN). 

Penilaian

0,0

dari 5
Penilaian anda saat ini :  

Cabai adalah salah satu komoditas penyebab inflasi dan sangat vital bagi konsumsi masyarakat Indonesia. Di wilayah Sumatera Selatan, harga cabai seringkali tidak stabil sehingga dibutuhkan analisis prediksi harga cabai guna memitigasi dampak ketidakstabilan harga, terutama di Pasar Tradisional. Penelitian ini membandingkan tiga model penambangan data yaitu Support Vector Regression (SVR), Random Forest Regression (RFR), dan Recurrent Neural Network Long Short Term Memory (RNN LSTM) guna memutuskan model yang terbaik dalam prediksi harga cabai. Dataset mencakup 1240 harga berbagai jenis cabai di Pasar Tradisional Sumatera Selatan dengan memanfaatkan fitur lag dan musiman serta penerapan optimasi parameter guna peningkatan kinerja model. Hasil penelitian mengungkapkan bahwa SVR paling unggul dengan akurasi tertinggi (MAPE 0.03%-0.04% dan R2 0.90 0.94), stabilitas terbaik (MAE 1187.44-2478.49 dan MSE 11380618.92-16594596.73), waktu komputasi tercepat (23 detik), dan paling tahan melawan outlier. RFR juga berkinerja baik meskipun masih dibawah SVR. RNN LSTM mencatat hasil terendah di semua kategori. Penemuan ini mengkonfirmasi SVR sebagai model yang unggul dalam memprediksi harga cabai dan menyediakan insight berharga guna memitigasi risiko ketidakstabilan harga. Kata Kunci: Cabai, Data Mining, SVR, RFR, RNN LSTM

Availability
Inventory Code Barcode Call Number Location Status
2407007140T163558T1635582024Central Library (REFERENS)Available but not for loan - Not for Loan
Detail Information
Series Title
-
Call Number
T1635582024
Publisher
Indralaya : Prodi Sistem Informasi, Fakultas Ilmu Komputer Uniersitas Srwijaya.,
Collation
xv, 53 hlm.; ilus.; 29 cm
Language
Indonesia
ISBN/ISSN
-
Classification
003.010 7
Content Type
Text
Media Type
unmediated
Carrier Type
-
Edition
-
Subject(s)
Prodi Sistem Informasi
Identifikasi Sistem--Data Mining
Specific Detail Info
-
Statement of Responsibility
Other version/related

No other version available

File Attachment
Comments
You must be logged in to post a comment