<![CDATA[Cabai Rawit merupakan jenis sayuran yang Sering di gunakan mengandung protein hewani yang menjadi kebutuhan manusia. Pada bulan tertentu, biasanya di awal dan akhir tahun, stok cabai rawit trurun drastis yang memicu kenaikan harga. Untuk mengantisipasi terjadinya ketidak tetapan harga, maka baik produsen maupun konsumen harus memiliki gambaran mengenai harga yang akan datang. Pada penelitian ini menggunakan Artificial Neural Network Dengan PSO (particle swarm optimization) untuk memprediksi harga Cabai Rawit. Data yang di gunakan adalah data perminggu harga Cabai Rawit di kabupaten pasuruan. Sebagai inputan di Neural network digunakan data multivariate dengan data awal sejumlah 384. Untuk mendapatkan nilai terbaik di lakuakan beberapa eksperimen pada proses penentuan nilai terbaik di parameter. Hasil prediksi dari kedua model kemudian di bangdingkan mana yanga terbaik dengan melihat hasil RMSE(Root Mean Square Error). Dari hasil prediksi pada model Artificial Neural Network menunjukkan hasil RMSE terbaik dengan nilai 8523.705, sedangakan model Neural Network dan PSO (particle swarm optimization) di peroleh RMSE 8119.993. nilai tersebut menunjukkan bahwa model Artificial Neural Network dan PSO (particle swarm optimization) lebih baik dari model Artificial Neural Network saja, dalam memprediksi harga Cabai Rawit dikabupaten pasuruan.]]>
Copyrights © 2024
