<![CDATA[Fluktuasi harga pangan di Kota Semarang seringkali dipengaruhi faktor cuaca ekstrem yang mengganggu stabilitas pasokan. Penelitian ini bertujuan membangun sistem peringatan dini (Early Warning System) harga pangan dengan mengintegrasikan variabel meteorologi menggunakan algoritma Machine Learning. Metode yang digunakan adalah komparasi antara Support Vector Regression (SVR) dan XGBoost terhadap komoditas bawang merah dan cabai rawit. Hasil penelitian menunjukkan bahwa algoritma XGBoost secara konsisten mengungguli SVR pada seluruh pengujian. Akurasi tertinggi dicapai pada komoditas bawang merah dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,63%, yang termasuk kategori sangat akurat. Penelitian ini juga memvalidasi pengaruh signifikan variabel meteorologi melalui efek tunda cuaca (weather lag effect) terhadap pergerakan harga. Implementasi sistem EWS yang dikembangkan berhasil mengklasifikasikan status peringatan secara otomatis, sehingga dapat menjadi instrumen pendukung keputusan yang aplikatif bagi pemangku kepentingan dalam memitigasi anomali harga pangan di Kota Semarang.]]>
Copyrights © 2026
