Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JTT (Jurnal Teknologi Terpadu)
Wicaksono, Fiqry Wahyu Diky
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Control & Systems Engineering Materials Science & Nanotechnology Mechanical Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
OPTIMASI PERAMALAN TINGKAT LAJU INFLASI INDONESIA MELALUI PENDEKATAN ENSEMBLE BAGGING PADA ALGORITMA SUPPORT VECTOR REGRESSION Wicaksono, Fiqry Wahyu Diky; Mula'ab, Mula'ab; Rahmat, Abdullah Basuki
Jurnal Teknologi Terpadu Vol 12, No 2 (2024): JTT (Jurnal Teknologi Terpadu)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32487/jtt.v12i2.2250

Abstract

 Tingkat inflasi sering digunakan sebagai indikator pertumbuhan ekonomi suatu negara. Di Indonesia, tantangan sosial di sektor ekonomi membutuhkan pengendalian yang lebih baik. Tingkat inflasi di Indonesia mengalami fluktuasi yang tidak stabil setiap bulannya. Inflasi yang tinggi dapat menimbulkan berbagai masalah, antara lain meningkatnya angka kemiskinan, tingkat pengangguran yang semakin tinggi, terhambatnya pertumbuhan ekonomi, dan menurunnya nilai rupiah. Oleh karena itu, peramalan tingkat inflasi di masa depan sangat penting untuk merumuskan kebijakan dan menjaga stabilitas ekonomi. Support Vector Regression (SVR) merupakan model dasar yang digunakan, dikombinasikan dengan pendekatan Ensemble Bagging untuk mendapatkan prediksi yang akurat. Optimasi grid search dengan variasi nilai Kernel (RBF, Sigmoid, Polynomial, Linier), C (0.1, 1, 100, 200), Gamma (0.1, 0.5, 1), Epsilon (0.01, 0.1, 1), Derajat (1, 2, 3), dan n_estimator (5, 25, 100) dilakukan untuk mencari parameter terbaik. Pengujian juga dilakukan dengan rasio pemisahan data yang berbeda, yaitu 80:20, 70:30, dan 60:40. Hasilnya menunjukkan rasio splitting terbaik adalah 70:30, dan parameter terbaik adalah Kernel = Linear, C = 200, Gamma = 0.1, Epsilon = 0.01, dan n_estimator = 100. Dengan nilai MAPE sebesar 9,297% dan RMSE sebesar 0,258, hasil tersebut mengindikasikan model cukup baik untuk memprediksi inflasi Indonesia. 
Co-Authors Mula'ab, Mula'ab Rahmat, Abdullah Basuki