<![CDATA[Indonesia memiliki kekayaan sumber daya di bidang pertanian yang sangat besar. Salah satu komoditas yang cukup penting adalah cabai rawit karena berperan dalam memenuhi kebutuhan masyarakat sekaligus mendukung aktivitas ekonomi. Namun, harganya sering berubah-ubah sehingga perlu metode prediksi yang tepat untuk membantu pengambilan keputusan di bidang pertanian. Harga cabai rawit selalu mengalami perubahan harga dalam kurun waktu yang tidak menentu dalam setiap waktunya. Jaringan saraf tiruan dapat membantu menganalisis perubahan ini berdasarkan data sebelumnya. Adapun metode peramalan pada jaringan saraf tiruan adalah Radial Basis Function Neural Network (RBFNN). Pada penelitian ini, metode RBFNN digunakan untuk mendapatkan model terbaik dan meramalkan data harga cabai rawit di Singkawang tahun 2025. Penelitian ini bertujuan untuk memprediksi harga cabai rawit di Kota Singkawang tahun 2025 menggunakan metode RBFN. RBFNN input jaringan dan banyaknya lapisan tersembunyi sangat berpengaruh untuk mendapatkan model terbaik dari RBFNN dan juga hasil peramalannya. Untuk mendapatkan model terbaik digunakan penentuan input jaringan dengan mengidentifikasi lag Partial Autocorrelation Function (PACF), dan untuk menentukan banyaknya hidden layer digunakan metode K-Means klaster. Hasil penelitian menunjukkan dari data training yang digunakan didapatkan model terbaik RBFNN dengan 2 input jaringan, yaitu X_(t-1) dan X_(t-2) dan 7 hidden layer yang menghasilkan tingkat akurasi dengan Mean Absolute Percentage Error (MAPE) sebesar 6,8196%. Berdasarkan model tersebut hasil prediksi untuk periode Januari hingga Desember 2025 menunjukkan bahwa harga tertinggi diperkirakan terjadi pada bulan Januari sebesar Rp.65.063, dan terendah pada bulan April sebesar Rp.63.567. Setelah mengalami kenaikan di bulan Januari dan penurunan di bulan April, harga diperkirakan meningkat secara bertahap hingga Juni, kemudian cenderung stabil hingga akhir tahun.]]>
Copyrights © 2026
