Analisis Dan Prediksi Harga Beras Grosir Indonesia Tingkat Perdagangan Besar Dengan Backpropagation
DOI:
https://doi.org/10.62712/juktisi.v4i3.824Keywords:
Harga beras grosir, Prediksi harga, Jaringan saraf tiruan, Backpropagation, Data runtun waktuAbstract
Penelitian ini membahas analisis dan prediksi harga beras grosir Indonesia di tingkat perdagangan besar menggunakan metode jaringan saraf tiruan Backpropagation. Data yang digunakan merupakan data sekunder kuantitatif berupa data runtun waktu (time series) harga beras grosir bulanan dalam satuan rupiah per kilogram yang diperoleh dari Badan Pusat Statistik (BPS) pada periode 2010–2025. Data yang di peroleh sebanyak 180,dan observasi di proses melalui nomalisasi sigmoid.maka data pelatihan dan data pengujian yang telah dibagi menjadi dua data.pola historis dan pergerakan Harga yang menghasilkan nilai prediksi untuk periode selanjutnya yang dibangun dengan model Bakcpropogation. Hasil pengujian menunjukkan bahwa model mampu mengikuti tren kenaikan dan penurunan harga beras dengan baik, ditunjukkan oleh kedekatan pola antara data aktual dan data prediksi pada data testing selama 24 bulan. Akurasi menggunakan Mean Absolute Percantage Eror atau yang sering di sebut dengan (MAPE) merupakan evaluasi yang akurasi untuk menunjukkan tingkat kesalahan yang relative kecil,maka dari itu model ini dinilai memiliki kinerja untuk prediksi yang cuup baik.maka dari itu perencanaan kebijakan terkait stabilitas Harga beras grosir di Indonesia metode backpropogation digunakan sebagai alat bantu pendukung pengambilan keputusan.
Downloads
References
Natasya, S. Musdalifah, and Andri, “Prediksi Harga Beras Di Tingkat Perdagangan Besar Indonesia Menggunakan Algoritma Backpropagation,” JURNAL ILMIAH MATEMATIKA DAN TERAPAN, vol. 18, no. 2, pp. 148–159, Dec. 2021, doi: 10.22487/2540766X.2021.v18.i2.15688.
S. A. SINAGA, “Implementasi Metode ARIMA (Autoregressive Moving Average) untuk Prediksi Penjualan Mobil,” Jurnal Global Technology and Computer, vol. 2, no. 3, pp. 102–109, 2023.
A. R. Anandyani, D. K. A. Astutik, N. Bariroh, and A. Indrasetianigsih, “Prediksi Rata-Rata Harga Beras Yang Dijual Oleh Pedagang Besar (Grosir) Menggunakan Metode Arima Box Jenkins,” Teknosains: Media Informasi Sains Dan Teknologi, vol. 15, no. 2, p. 151, 2021, doi: 10.24252/teknosains.v15i2.17721.
D. A. P. RM and D. Adhar, “Penerapan Metode Autoregressive Integrated Moving Average (ARIMA) Untuk Prediksi Jumlah Siswa Baru Pada MTs Swasta Tahfidzul Qur’an Nurul Azmi,” Jurnal Rekayasa Sistem (JUREKSI), vol. 1, no. 1, pp. 82–93, 2023, [Online]. Available: https://kti.potensi-utama.org/index.php/JUREKSI/article/view/312
S. Santoso; Hansun, “Prediksi IHSG dengan backpropagation neural network,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 3, no. 2, pp. 313–318, 2019.
Y. A. Lesnussa, S. Latuconsina, and E. R. Persulessy, “Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Prestasi Siswa SMA (Studi kasus: Prediksi Prestasi Siswa SMAN 4 Ambon),” Jurnal Matematika Integratif, vol. 11, no. 2, p. 149, 2015, doi: 10.24198/jmi.v11i2.9427.
A. I. Ramadhan, J. T. Hardinata, and Y. P. Purba, “Analisa Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Prestasi Siswa SMA Muhammadiyah Serbelawan,” Brahmana : Jurnal Penerapan Kecerdasan Buatan, vol. 3, no. 1, pp. 18–26, 2021, doi: 10.30645/brahmana.v3i1.88.
A. Pratama, D. Yulisda, and A. Tarigan, “Application of Backpropagation Artificial Neural Networks for Optimizing Corn Production Prediction in Karo Regency,” Journal of Electrical Engineering and Computer (JEECOM), vol. 7, no. 2, pp. 506–513, 2025, doi: 10.33650/jeecom.v7i2.13065.
N. A. Fitri and I. Taufiq, “Perbandingan JST Metode Backpropagation dan Metode Radial Basis dalam Memprediksi Curah Hujan Harian Bandara Internasional Minangkabau,” Jurnal Fisika Unand, vol. 9, no. 2, pp. 217–223, 2020, doi: 10.25077/jfu.9.2.217-223.2020.
N. Ketut and T. Tastrawati, “Peramalan Menggunakan Metode Backpropagation,” vol. 7, no. 3, pp. 264–270, 2018.
I. kholis and A. Rofii, “Analisis Variasi Parameter Backpropagation Artificial Neural Network Pada Sistem Pengenalan Wajah Berbasis Principal Component Analysis,” Jurnal Kajian Teknik Elektro, vol. 2, no. 1, pp. 1–12, 2017.
A. B. Wibowo and D. Rukmayadi, “P-66 Pengendalian Persedian Bahan Baku Dengan Metode Material Requirement Planning ( Mrp ) Untuk Produk Kue Di Perusahaan ‘ Q ’ Control of Raw Material Inventories Using Material Requirement Planning ( Mrp ) Method for Cake Products in,” SNITT-Politeknik Negeri Balikpapan, pp. 446–454, 2020.
A. A. Fardhani, D. I. N. Simanjuntak, and A. Wanto, “Prediksi Harga Eceran Beras Di Pasar Tradisional Di 33 Kota Di Indonesia Menggunakan Algoritma Backpropagation,” Jurnal Infomedia, vol. 3, no. 1, Aug. 2018, doi: 10.30811/jim.v3i1.625.
M. Afrizal, S. Siswanto, and A. Sudarsono, “Implementation of Forecasting Sales of Electronic Goods Using the Semi Average Method at Alex Electronics Store,” Jurnal Media Computer Science, vol. 2, no. 2, pp. 319–330, 2023, doi: 10.37676/jmcs.v2i2.4433.
S. Visuddha Kartanegara, Nina Queena Hadi Putri, and Marwah Ulwatunnisa, “Representasi Id, Ego, dan Superego dalam Lagu ‘Satu Hari Lagi’ karya Daniel Baskara Putra (Hindia) : Kajian Psikoanalisis Sigmund Freud,” Jurnal Onoma: Pendidikan, Bahasa, dan Sastra, vol. 11, no. 2, pp. 2084–2098, 2025, doi: 10.30605/onoma.v11i2.5769.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Stefani Silalahi, Josua Jhon Radho Hutahaean, Leony Sinaga, Cierlin Pardede, Jaya Tata Hardinata
This work is licensed under a Creative Commons Attribution 4.0 International License.
