PREDIKSI HARGA KOMODITI JAGUNG MENGGUNAKAN K-NN DAN PARTICLE SWARM OPTIMAZATION SEBAGAI FITUR SELEKSI

Abstract

Jagung merupakan komponen terpenting pakan pabrikan di dunia, terutama di daerah tropis. Fluktuasi harga produk pertanian akan mengakibatkan ikut berfluktuasinya pendapatan yang diterima oleh petani dari hasil produksi pertanian mereka. Salah satu upaya untuk mengantisipasi terjadinya fluktuasi harga adalah dengan melakukan peramalan harga. Peramalan harga dimaksudkan untuk melakukan prakiraan/prediksi harga masa depan dalam kurun waktu tertentu, dengan hasil keluaran berupa harga masa depan. metode KNN dapat digunakan untuk memprediksi harga komoditi. Hasil eksperiment yang telah dilakukan peneliti menunjukkan bahwa algoritma K-NN berbasis Particle Swarm Optimazation lebih baik dibandingkan dengan algoritma K-NN tanpa fitur seleksi. Berdasarkan hasil penelitian nilai RMSE terendah terdapat pada K-Nearest Neighbor berbasis Particle Swarm Optimazation untuk data jagung dengan variabel periode 4 parameter k 7 nilai population 5 Max Of Generation 40 dengan nilai RMSE 0,06

Keywords

• time series
• k-nearest neighbor
• particle swarm optimazation