Penerapan metode artificial neural network ackpropagation dalam memprediksi harga beras dan cabai merah di provinsi Kepulauan Bangka Belitung

Lianda Saputra, (NIM. 1072111010) (2025) Penerapan metode artificial neural network ackpropagation dalam memprediksi harga beras dan cabai merah di provinsi Kepulauan Bangka Belitung. Other thesis, Universitas Bangka Belitung.

[thumbnail of HALAMAN DEPAN.pdf] Text
HALAMAN DEPAN.pdf
Restricted to Registered users only

Download (2MB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf
Restricted to Registered users only

Download (649kB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (647kB)
[thumbnail of BAB IV.pdf] Text
BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB V.pdf] Text
BAB V.pdf
Restricted to Registered users only

Download (547kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf
Restricted to Registered users only

Download (553kB)
[thumbnail of LAMPIRAN.pdf] Text
LAMPIRAN.pdf
Restricted to Repository staff only

Download (8MB)

Abstract

Beras dan cabai merah adalah komoditas yang berperan penting terhadap laju inflasi nasional maupun laju inflasi Provinsi Kepulauan Bangka Belitung. Keduanya memengaruhi konsumsi dan daya beli masyarakat. Penyebab utama inflasi nasional tahun 2023 yaitu komoditas beras sebesar 0,53 persen dan komoditas cabai merah sebesar 0,24 persen. Tingkat inflasi di Provinsi Kepulauan Bangka Belitung tahun 2023 sebesar 2,65 persen. Komoditas beras berkontribusi sebesar 0,85 persen dan cabai merah sebesar 0,50 persen. Penelitian ini bertujuan untuk mengetahui nilai error dan memprediksi harga beras dan cabai merah menggunakan Metode Artificial Neural Network (ANN) Backpropagation. Data yang digunakan adalah data time series harian harga beras dan cabai merah periode 1 Januari 2019 sampai 30 April 2025. Pada penelitian ini, diperoleh model terbaik harga beras adalah model 6-20-1 pada pembagian data 90% training dan 10% testing dengan MSE training sebesar 0,0000323062 dan MSE testing sebesar 0,0000016901. Sedangkan model terbaik harga cabai merah adalah model 6-10-1 pada pembagian data 70% training dan 30% testing dengan MSE training sebesar 0,00024016 dan MSE testing sebesar 0,000841472. Berdasarkan nilai error yang diperoleh, model Backpropagation menunjukan kemampuan generalisasi yang baik. Sehingga, dilakukan prediksi harga beras dan cabai merah periode harian dari tanggal 1 Mei 2025 sampai tanggal 31 Desember 2025.

Item Type: Thesis (Other)
Uncontrolled Keywords: Harga Beras, Harga Cabai Merah, ANN, Backpropagation
Subjects: Q Sains > QA Mathematics
Divisions: FAKULTAS SAINS DAN TEKNIK > MATEMATIKA > SKRIPSI
Depositing User: Mr Jan Frist Pagendo Purba
Date Deposited: 08 Aug 2025 01:29
Last Modified: 08 Aug 2025 01:29
URI: https://repository.ubb.ac.id/id/eprint/11806

Actions (login required)

View Item View Item