Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Mohammad, Farrel Adel
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PERAMALAN TINGKAT INFLASI DI INDONESIA MENGGUNAKAN ARTIFICIAL BEE COLONY DAN XGBOOST Mohammad, Farrel Adel; Rizki, Agung Mustika; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4827

Abstract

Pertumbuhan ekonomi dan stabilitas harga merupakan fokus utama bagi negara-negara, termasuk Indonesia. Inflasi, sebagai indikator fluktuasi harga barang dan jasa, memainkan peran penting dalam stabilitas ekonomi. Peramalan inflasi menjadi kunci bagi pemerintah dan pemangku kepentingan ekonomi untuk merancang kebijakan yang responsif. Model pembelajaran mesin, seperti XGBoost, telah digunakan untuk tujuan ini, namun penyetelan hiperparameter yang optimal menjadi kunci keberhasilannya. Algoritma optimisasi seperti Artificial bee colony (ABC) dapat mengotomasi proses penyetelan hiperparameter XGBoost, meningkatkan efisiensi dan kinerja model. Penelitian ini membuktikan bahwa kombinasi Artificial bee colony dan XGBoost berhasil meramalkan tingkat inflasi bulanan di Indonesia dengan hasil yang akurat. Implementasi metode ini memberikan rata-rata skor RMSE 0.155066, skor MAE 0.115655, dan skor MAPE 0.795767.
PERAMALAN TINGKAT INFLASI DI INDONESIA MENGGUNAKAN ARTIFICIAL BEE COLONY DAN XGBOOST Mohammad, Farrel Adel; Rizki, Agung Mustika; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4827

Abstract

Pertumbuhan ekonomi dan stabilitas harga merupakan fokus utama bagi negara-negara, termasuk Indonesia. Inflasi, sebagai indikator fluktuasi harga barang dan jasa, memainkan peran penting dalam stabilitas ekonomi. Peramalan inflasi menjadi kunci bagi pemerintah dan pemangku kepentingan ekonomi untuk merancang kebijakan yang responsif. Model pembelajaran mesin, seperti XGBoost, telah digunakan untuk tujuan ini, namun penyetelan hiperparameter yang optimal menjadi kunci keberhasilannya. Algoritma optimisasi seperti Artificial bee colony (ABC) dapat mengotomasi proses penyetelan hiperparameter XGBoost, meningkatkan efisiensi dan kinerja model. Penelitian ini membuktikan bahwa kombinasi Artificial bee colony dan XGBoost berhasil meramalkan tingkat inflasi bulanan di Indonesia dengan hasil yang akurat. Implementasi metode ini memberikan rata-rata skor RMSE 0.155066, skor MAE 0.115655, dan skor MAPE 0.795767.
Co-Authors Agung Mustika Rizki, Agung Mustika Andreas Nugroho Sihananto