ANALISA KINERJA MODEL REGRESI DALAM MACHINE LEARNING UNTUK MEMPREDIKSI HARGA BERAS
DOI:
https://doi.org/10.35145/joisie.v8i1.3902Kata Kunci:
Harga Beras, Machine Learning, PrediksiAbstrak
Sektor perdagangan saat ini mengalami kenaikan atau penurunan harga yang sangat signifikan. Hal ini menyebabkan beras menjadi salah satu faktor penunjang keberlangsungan hidup masyarakat. Kenaikan harga beras dapat mengakibatkan penurunan daya beli masyarakat terhadap kebutuhan lainnya. Sehingga untuk mengantisipasi adanya kenaikan harga beras dilakukannya prediksi menggunakan machine learning dengan menggunakan perbandingan 7 metode. Tujuan penelitian ini adalah untuk menganalisa kinerja model-model regresi terbaik dalam machine learning yang dapat digunakan untuk memprediksi harga beras. Nantinya akan diperoleh metode manakah yang menghasilkan nilai akurasi yang paling akurat dalam memprediksi harga beras. Estimasi menggunakan metode regresi dimana dalam metode regresi terdapat 7 metode lagi meliputi (1) Linear Regression, (2) Support Vector Regression Linear, (3) Support Vector Regression RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, (6) Gradient Boosting Regression, (7) MLP Regressor. Adapun model terbaik yang dari hasil analisa penelitian ini yaitu metode Decision Tree Regression dengan pengujian akurasi model yaitu paa rasio pengujian data 80:20 sebesar 100%, 100% pada rasio pengujian data 70:30 dan pada rasio 60:40 adalah 100%.
Unduhan
Referensi
Aditya Pratama, M. et al. (2024) “Perbandingan Performa Algoritma Linear Regresi dan Random Forest untuk Prediksi Harga Bawang Merah di Kota Samarinda,†Jurnal Ilmu Teknik, 1(2), pp. 172–182. Available at: https://doi.org/10.62017/tektonik.
Anggara, E.D., Widjaja, A. and Suteja, B.R. (2022) “Prediksi Kinerja Pegawai sebagai Rekomendasi Kenaikan Golongan dengan Metode Decision Tree dan Regresi Logistik,†Jurnal Teknik Informatika dan Sistem Informasi, 8(1), pp. 218–234. Available at: https://doi.org/10.28932/jutisi.v8i1.4479.
Anggi Mei Sarah1, Bambang Kurniadi, E.W. (2023) “IMPLEMENTASI METODE REGRESI LINEAR DALAM MEMPREDIKSI PENYAKIT ANEMIA SECARA DINI,†IMPLEMENTASI METODE REGRESI LINEAR DALAM MEMPREDIKSI PENYAKIT ANEMIA SECARA DINI, 3(1), pp. 14–23.
Arinal, V. and Azhari, M. (2023) “Penerapan Regresi Linear Untuk Prediksi Harga Beras Di Indonesia,†Jurnal Sains dan Teknologi, 5(1), pp. 341–346.
Azriansyah, N., Indra, E. and Azriansyah, N. (2023) “Penerapan Natural Language Processing Untuk Analisis Sentimen Terhadap Aplikasi Streaming,†Jurnal Ilmiah BETRIK (Besemah Teknologi Informasi dan Komputer), 14(2), pp. 273–282. Available at: https://ejournal.pppmitpa.or.id/index.php/betrik/article/view/96.
Beli, D. et al. (2024) “Pengaruh Naiknya Harga Beras Terhadap Pendapatan Riil dan Daya Beli Pangan Di Kelurahan Cilangkap,†jupensal, 1(2), pp. 311–318.
Firmansyah, I. et al. (2022) “Komparasi Random Forest Dan Logistic Regression Dalam Klasifikasi Penderita Covid-19 Berdasarkan Gejalanya,†Journal of Science and Social Research, 5(3), p. 595. Available at: https://doi.org/10.54314/jssr.v5i3.994.
Fitri, E. (2023) “Analisis Perbandingan Metode Regresi Linier, Random Forest Regression dan Gradient Boosted Trees Regression Method untuk Prediksi Harga Rumah,†Journal of Applied Computer Science and Technology, 4(1), pp. 58–64. Available at: https://doi.org/10.52158/jacost.v4i1.491.
Hasna and Achmad, A.I. (2022) “Metode Regresi Probit Biner untuk Pemodelan Faktor-Faktor yang Mempengaruhi Diagnosis Penyakit Jantung,†Jurnal Riset Statistika, pp. 28–34. Available at: https://doi.org/10.29313/jrs.vi.721.
Muhammad Bangkit Riksa Utama and Hajarisman, N. (2021) “Metode Pemilihan Variabel pada Model Regresi Poisson Menggunakan Metode Nordberg,†Jurnal Riset Statistika, 1(1), pp. 35–42. Available at: https://doi.org/10.29313/jrs.v1i1.24.
Mulyana, D.I. and Marjuki (2022) “Optimasi Prediksi Harga Udang Vaname Dengan Metode Rmse Dan Mae Dalam Algoritma Regresi Linier,†Jurnal Ilmiah Betrik, 13(1), pp. 50–58. Available at: https://doi.org/10.36050/betrik.v13i1.439.
Oktafiani, R. and Rianto, R. (2023) “Perbandingan Algoritma Support Vector Machine (SVM) dan Decision Tree untuk Sistem Rekomendasi Tempat Wisata,†Jurnal Nasional Teknologi dan Sistem Informasi, 9(2), pp. 113–121. Available at: https://doi.org/10.25077/teknosi.v9i2.2023.113-121.
Ronaldi, R. (2022) “Keputusan Pembelian: Brand Image Dan Brand Awareness Produk Smartphone Samsung,†JEM: Jurnal Ekonomi dan Manajemen STIE Pertiba Pangkalpinang, Vol. 9 No.(Juli-Des), pp. 1–10.
Satria, A., Badri, R.M. and Safitri, I. (2023) “Prediksi Hasil Panen Tanaman Pangan Sumatera dengan Metode Machine Learning,†Digital Transformation Technology, 3(2), pp. 389–398. Available at: https://doi.org/10.47709/digitech.v3i2.2852.
Suryani, S. and Mustakim, M. (2022) “Estimasi Keberhasilan Siswa dalam Pemodelan Data Berbasis Learning Menggunakan Algoritma Support Vector Machine,†Bulletin of Informatics and Data Science, 1(2), p. 81. Available at: https://doi.org/10.61944/bids.v1i2.36.
