This Author published in this journals
All Journal IPSSJ
Claim Missing Document
Check
Articles

Found 1 Documents
Search

MODEL PREDIKSI HARGA CABAI MERAH BESAR DI TINGKAT PASAR TRADISIONAL TAHUN 2017 - 2024: PENDEKATAN SUPERVISED LEARNING BERBASIS ORANGE DATA MINING Hamizan Gholib; Muhinda Yasa Arindra Barana Dya; Sarah Anami Girsang; Sartika Almirah Sobri
Integrative Perspectives of Social and Science Journal Vol. 2 No. 03 Agustus (2025): Integrative Perspectives of Social and Science Journal
Publisher : PT Wahana Global Education

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan memprediksi harga cabai merah besar di tingkat pasar tradisional DKI Jakarta periode 2017-2024 menggunakan pendekatan Supervised Learning berbasis Orange Data Mining. Variabel yang digunakan meliputi harga cabai merah besar dan keriting di Jakarta serta daerah pemasok utama (Bandung, Lampung, metro, Kediri) dan tingkat inflasi nasional. Terdapat sembilan model regresi yang dibandingkan, meliputi Linear Regression, SVM, Decision Tree, kNN, Gradient Boosting, Random Forest, AdaBoost, Neural Network, dan Stochastic Gradient Descent. Hasil evaluasi menggunakan metrik MSE, RMSE, MAE, MAPE dan R2 menunjukkan bahwa AdaBoost memiliki kinerja terbaik dengan akurasi tinggi dan kesalahan prediksi rendah. Model ini berpotensi digunakan sebagai sistem peringatan dini harga pangan, mendukung kebijakan stabilisasi, perencanaan distribusi, dan strategi produksi. Penelitian ini memberikan kontribusi akademis pada analisis harga komoditas hortikultura serta manfaat praktis bagi pengendalian harga pangan.