ANALISIS KLASIFIKASI TREN HARGA KOMODITAS PANGAN STRATEGIS MENGGUNAKAN ALGORITMA MACHINE LEARNING

Azzahra, Septya Kurnia (2026) ANALISIS KLASIFIKASI TREN HARGA KOMODITAS PANGAN STRATEGIS MENGGUNAKAN ALGORITMA MACHINE LEARNING. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (767kB)
	Text BAB 1.pdf Download (292kB)
	Text BAB 2.pdf Download (270kB)
	Text BAB 3.pdf Download (397kB)
	Text BAB 4.pdf Download (673kB)
	Text BAB 5.pdf Download (156kB)
	Text LAMPIRAN.pdf Download (381kB)

Abstract

Volatilitas harga makanan penting di DKI Jakarta adalah tantangan besar bagi
kestabilan ekonomi dan ketahanan pangan daerah tersebut. Penelitian ini bertujuan
untuk menganalisis pola harga makanan penting dengan membandingkan kinerja
algoritma Machine Learning, yaitu Random Forest dan Logistic Regression. Data
yang digunakan mencakup 11 komoditas utama dari Januari sampai September 2025,
dengan penekanan khusus pada Cabai Rawit Merah yang memiliki tingkat fluktuasi
harga harian yang sangat tinggi, di mana kategori harga "Tetap" tercatat kurang dari
1%. Hasil analisis menunjukkan adanya perbedaan harga yang signifikan antar
wilayah, dengan rata-rata harga tertinggi di Jakarta Utara Rp42.032,97 dan terendah
di Jakarta Barat Rp38.568,90, yang menunjukkan adanya kendala dalam pengiriman
atau perbedaan rute distribusi. Dari perspektif pemodelan, algoritma Random Forest
menunjukkan keunggulan yang sangat besar dengan tingkat akurasi mencapai 98,6%,
jauh lebih baik daripada Logistic Regression yang hanya mencapai 84,7%. Ini
membuktikan kemampuan Random Forest untuk menangkap pola hubungan nonlinier

yang rumit dalam data harga yang sangat beragam. Penelitian ini diharapkan
dapat menjadi alat bantu bagi pengambil keputusan dalam melakukan intervensi yang
lebih tepat dan berbasis data untuk stabilitas harga pangan.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Irna Irna Yunita
Date Deposited:	28 Apr 2026 02:35
Last Modified:	28 Apr 2026 02:35
URI:	https://repository.unas.ac.id/id/eprint/15404

Actions (login required)

View Item