Prediksi Harga Pangan di Tengah Isu Ketidakpastian Global Menggunakan Metode Regresi Linear dan Regresi Polinomial

  • Aidil Halim Lubis Universitas Islam Negeri Sumatera Utara
  • Miftahul Rizky Pulungan Universitas Islam Negeri Sumatera Utara
Keywords: prediksi, regresi linear, regresi polinomial, MAPE, R2

Abstract

Pangan merupakan kebutuhan yang sangat dasar bagi manusia untuk dapat mempertahankan hidup dan untuk dapat menjalankan kehidupan selanjutnya. Pangan merupakan pondasi dasar dalam menentukan kehidupan atau keberlanjutan suatu pembangunan kehidupan.  Beras merupakan salah satu komoditi pangan yang penting dalam sendi kehidupan sosial ekonomi masyarakat Indonesia. Kondisi dunia yang tidak pasti pasca pandemi, perubahan iklim serta perang yang sedang terjadi membuat harga pangan terus terjadi perubahan. Prediksi adalah suatu proses memperkirakan secara sistematis tentang sesuatu yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki. Regresi adalah salah satu metode yang memiliki dua variabel X dan Y mempunyai hubungan (korelasi), maka perubahan nilai variabel yang satu akan mempengaruhi nilai variabel lainnya. Dari penelitian yang dilakukan menggunakan dataset sebanyak 46 baris berupa bulan dan harga beras pada tahun sebelumnya mendapatkan hasil prediksi yang lebih baik menggunakan metode regresi polinomial dengan R2 sebesar 0,7776. Dengan MAPE sebesar 0,27%, ini menunjukan metode regresi polinomial lebih baik dari pada metode regresi linear dimana regresi linear menghasilkan nilai sebesar 0,08889.

Downloads

Download data is not yet available.

References

Dwiari, S. R., Asadayanti, D. D., Nurhayati, Sofyaningsih, M., Yudhanti, S. F. a. R., & Yoga, I. B. K. W. (2008). Teknologi Pangan SMK Jilid 1. In Gastronomía ecuatoriana y turismo local. (Vol. 1, Issue 69).

Sehusman, D. (2021). Analisis Ketahanan Pangan Tahun 2022. 165.

Chaireni, R., Agustanto, D., Wahyu, R. A., & Nainggolan, P. (2020). Ketahanan Pangan Berkelanjutan. Jurnal Kependudukan Dan Pembangunan Lingkungan, 1(2), 70–79. http://jkpl.ppj.unp.ac.id/index.php/JKPL/article/view/13

Harvian, K. A., & Yuhan, R. J. (2021). Kajian Perubahan Iklim Terhadap Ketahanan Pangan. Seminar Nasional Official Statistics, 2020(1), 1052–1061. https://doi.org/10.34123/semnasoffstat.v2020i1.593

Herdianto. (2013). Prediksi Kerusakan Motor Induksi Menggunakan Metode Jaringan Saraf Tiruan Backpropagation. Universitas Sumatera Utara.

Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques. In Data Mining: Concepts and Techniques. https://doi.org/10.1016/C2009-0-61819-5

Eka, A., Juarna, A., Informatika, T., Industri, F. T., & Gunadarma, U. (2021). Prediksi Pro duksi Daging Sapi Nasional dengan Meto de Regresi Linier dan Regresi Polinomial. Jurnal Ilmiah Komputasi,20(2),209–215. https://doi.org/10.32409/jikstik.20.2.2722

Gorunescu, F. (2011). Data Mining : Concepts, Models and Techniques. Springer-Verlag Berlin Heidelberg. https://www.researchgate.net/publication/215466690_Data_Mining_Concepts_models_and_techniques

Fauzi, A., & dkk. (2022). Metodologi Penelitian. In Suparyanto dan Rosad (2015).

Ghozali, I. (2018). Aplikasi Analisis Multivariate dengan Program IBM SPSS 25 (9th ed.). Badan Penerbit Universitas Diponegoro.

Ramdhan, M. (2021). Metode Penelitian. Cipta Media Nusantara.

Dama, Hilmi Rezkian A., Supianto, Ahmad Afif., Setiawan, Nanang Yudi (2021). Analisis Penggunaan Model Regresi untuk Prediksi Penjualan Spare Part pada Ahass Nur Andhita Grogol. 5591-5603.

Published
2024-08-11
Abstract views: 256 , PDF downloads: 230