OPTIMASI ANN DENGAN PARTICLE SWARM OPTIMATION (PSO) DALAM MEMPREDIKSI HARGA KOMODITAS PANGAN MUHAMMAD SYARWANI P

LATAR BELAKANG  Komoditas bahan pangan memiliki peranan yang sangat penting, baik dalam aspek ekonomi, sosial mamupun politik. Di Indonesia sendiri, bahan komoditas pangan yang sering mengalami fluktuasi harga adalah beras, jagung, tepung terigu, gula, cabai, minyak goring, daging dan susu

TUJUAN PENELITIAN  Untuk memprediksi harga komoditas pangan menggunakan Aerticale Neural Netwark (ANN) Berbasis Perticle Swarm Optimization (PSO) di Kota Pasuruan

BATASAN MASALAH  Tahun penelitian hanya lima tahun yaitu di mulai dari tahun 2013 sampai 2017  Komoditas pangan yang di ambil hanya satu komoditas yaitu komoditas cabai

MANFAAT TEORITIS  Penelitian ini diharapkan menambah wawasan peneliti mengenai data mining dalam melakukan peramalan haga komoditas pangan di kota pasuruan menggunakan optimation Artificial Neural netwark (ANN) Berbasis Particle Swarm Optimozition (PSO).

MANFAAT PRAKTIS  MASYARAKAT : Penelitian ini di harapkan dapat menambah pengetahuan atau memberikan informasi mengenai harga komoditas pangan di Kota Pasuruan.  BAGI PEBELITI SELANJUTNYA : Penelitian ini diharapkan menjadi refrensi dalam melakukan penelitian yang selajutnta dalam melakukan prediksi terhadap harga komoditas pangan dengan optimal menggunakan Articial Neural Network (ANN )

KAJIAN PUSTAKA  Mochammad Yusuf Habibi dan Edwin Riksakomara (2017) [4] dengan judul penelitian peramalan harga garam konsumsi menggunakan artificial neural network feedforward- backpropagation (studi kasus : PT. garam mas, rembang, Jawa Tengah). Hal ini di buktikan dengan nilai MAPE pada saat melakuk an testing model, yaitu sebesar 4,394% yang artinya penerapan metode artificial neural network pada peramalan harga garam hasilnya sangat baik.  Rizky Mulya Sampurno dan Kudang Boro (2017) [5], dengan judul penelitian aplikasi jaringan syaraf tiruan pada sistem deteksi dini untuk manajemen krisis pangan. Dan hasil dari penelitian menunjukkan proses pelatihan tambahan dapat menambah tingkat akurasi JST dari 70,55%menjadi 85,38%.  Dengan judul penelitian Agricultural Price Forecasting Using Neural Network Model: An Innovative Information Delivery System. Penelitian ini bertujuan untuk mengembangkan SPK (sistem pendukung keputusan) berbasis JST yang ramah pengguna dengan mengintegrasikan metodologi peramalan linier dan nonlinier

METODE PENELITIAN

SEKIAN DAN TRIMAKASIH