PREDIKSI HARGA MINYAK GORENG CURAH MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DI PASAR TRADISIONAL SUMEDANG

Rohman, Dadi (2025) PREDIKSI HARGA MINYAK GORENG CURAH MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DI PASAR TRADISIONAL SUMEDANG. Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text COVER.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (83kB)
	Text LEMBAR PENGESAHAN.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (170kB)
	Text LEMBAR PERNYATAAN.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (205kB)
	Text ABSTRAK.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (259kB)
	Text BAB 1.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (184kB)
	Text SKRIPSI FULL.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text DAFTAR PUSTAKA.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (255kB)
	Text SURAT KETERANGAN HASIL CEK PLAGIARISME.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (329kB)

Abstract

Fluktuasi harga komoditas, khususnya minyak goreng curah, menjadi tantangan signifikan dalam menjaga stabilitas ekonomi. Penelitian ini bertujuan untuk membangun sistem prediksi harga minyak goreng curah di pasar tradisional Kabupaten Sumedang menggunakan metode Artificial Neural Network (ANN), yang dikenal efektif dalam mengenali pola non-linear dari data historis. Pengumpulan data dilakukan melalui observasi harga harian dari tiga pasar utama Pasar Parakanmuncang, Pasar Wado, dan Pasar Tanjungsari yang kemudian diolah menjadi rata-rata mingguan untuk melatih dan menguji model. Hasil pengujian menunjukkan bahwa model ANN mampu memberikan prediksi dengan tingkat akurasi yang tinggi, meskipun skenario optimal berbeda untuk setiap pasar. Akurasi pengujian terbaik tercatat pada Pasar Parakanmuncang (98.82%) dan Pasar Wado (97.41%) pada skenario 80:20 dengan learning rate 0.01, serta Pasar Tanjungsari (97.11%) pada skenario 70:30 dengan learning rate 0.05. Uji validasi menggunakan data aktual Januari 2025 lebih lanjut mengonfirmasi keandalan model, dengan akurasi prediksi mingguan yang konsisten berkisar antara 85% hingga 96% di ketiga pasar. Sistem prediksi ini diimplementasikan dalam bentuk aplikasi berbasis web untuk memudahkan akses. Rekomendasi pengembangan mencakup penambahan variabel eksternal seperti harga CPO dan kebijakan pemerintah, serta integrasi sistem ke dalam ekosistem informasi pasar tradisional untuk mendukung pengambilan keputusan yang lebih tepat dan berbasis data Kata kunci: Prediksi harga, Artificial Neural Network (ANN), minyak goreng curah, pasar tradisional, Sumedang.

Actions (login required)

View Item