Abstract :
Beras merupakan sumber kalori bagi sebagian masyarakat di Indonesia. Seiring
berjalannya waktu, beras mengalami fluktuasi yang berdampak terhadap pelaku
ekonomi serta harga jasa dan barang secara tidak langsung. Untuk mengatasi hal
tersebut, dirancang model harga beras premium di DKI Jakarta dengan algoritma
machine learning K-NN (K-Nearest Neighbors), MLP (Multi-layer Perceptron),
dan Decision Tree dengan data input yang digunakan adalah harga beras premium,
suhu rata-rata di Jakarta, harga gabah di tingkat petani dan penggiling secara
nasional serta inflasi kelompok bahan makanan yang terjadi di DKI Jakarta. Model
terbaik dapat diterapkan ke dalam sistem prediksi beras premium yang dapat
berguna sebagai tolak ukur dan langkah antisipatif, seperti menyediakan pasokan
beras premium, untuk pemerintah dalam menstabilkan harga beras premium serta
pelaku ekonomi, seperti pedagang. Data yang digunakan adalah data harga beras
premium dari September 2018 ? Januari 2021 serta data suhu rata-rata, harga gabah
panen dan inflasi di periode yang sama. Data yang sudah dikumpulkan kemudian
diolah menggunakan algoritma K-NN, MLP, dan Decision Tree dalam Python lalu
dievaluasi dengan menghitung nilai eror menggunakan RMSE (Root Mean Square
Error) dan R
2
. Hasil prediksi, nilai eror, dan R
2 dari ketiga algoritma tersebut
kemudian saling dibandingkan untuk mendapatkan model yang paling cocok dalam
memprediksi harga beras premium di DKI Jakarta. Hasil penelitian ini menunjukan
bahwa algoritma MLP memiliki nilai eror yang paling kecil dan nilai R
2 yang
tinggi. Nilai eror dari model MLP dengan 9 nodes pada hidden layer pertama, 14
nodes pada hidden layer kedua dan learning rate 0,1 sebesar 0,100 dan R
2
sebesar
77,51 persen.