Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Community Development Journal: Jurnal Pengabdian Masyarakat
Ihda Anwari
Universitas Padjadjaran
Humanities Economics, Econometrics & Finance Education Health Professions Public Health

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENGGUNAAN MACHINE LEARNING UNTUK PREDIKSI HARGA TELUR AYAM RAS DI KOTA BANDUNG Ihda Anwari; Intan Nurma Yulita
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 4 No. 3 (2023): Volume 4 Nomor 3 Tahun 2023
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v4i3.17689

Abstract

Analisis prediksi merupakan salah satu metode analisis pada data time series untuk mendapatkan informasi di masa depan. Analisis prediksi kini dapat dilakukan oleh machine learning. Pemanfaatan teknologi tersebut sudah diterapkan pada berbagai bidang. Penggunaaan analisis prediksi pada harga komoditas dapat menjadi referensi bagi pemerintah untuk mengendalikan harga di pasar. Harga komoditas ini berpengaruh terhadap inflasi dan tentunya penting untuk diperhatikan. Telur sebagai komoditas makanan yang sederhana dan dikonsumsi semua kalangan menjadi objek utama yang diteliti. Pada penelitian ini peneliti menggunakan ARIMA sebagai metode machine learning prediksi untuk melakukan analisis prediksi. Data diambil dari website resmi kemendagri yang bernama Sistem Pemantauan Pasar dan Kebutuhan Pokok. Setelah data didapatkan kemudian data dilakukan preprocessing dengan mengisi nilai nilai yang hilang. Setelah data lengkap kemudian data dibuat pemodelan ARIMA menggunakan aplikasi KNIME. Terakhir model yang sudah dibuat dievaluasi menggunakan metrik statistic Root Mean Squared Error (RMSE) dan R-square. Model menghasilkan RMSE yang rendah dan R-square yang mendekati satu yang artinya model tersebut memiliki kinerja yang baik. Model kemudian diuji untuk melakukan prediksi 30 hari dari data aktual. Terakhir peneliti memberikan rekomendasi tindakan dan perencanaan pemerintah dalam memanfaatkan model machine learning ini.
Co-Authors Intan Nurma Yulita