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

IPSSJ
Vol. 2 No. 03 Agustus (2025): Integrative Perspectives of Social and Science Journal

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.