PERBANDINGAN MODEL SUPPORT VECTOR REGRESSION DAN LINEAR REGRESION TERHADAP PREDIKSI HARGA BERAS

• ARBA'I LANGGENG BASKORO
• 2025

---

Beras merupakan komoditas pangan pokok dengan tingkat konsumsi tertinggi di Indonesia, di mana lebih dari 98% rumah tangga masih mengandalkan beras sebagai makanan utama. Fluktuasi harga beras mingguan, khususnya di Provinsi Jawa Barat sebagai salah satu lumbung padi nasional, menjadi masalah utama yang dapat memengaruhi daya beli masyarakat, meningkatkan risiko inflasi daerah, serta mengganggu stabilitas ketahanan pangan. Penelitian ini bertujuan untuk menganalisis pola fluktuasi harga beras mingguan pada lima kabupaten utama Jawa Barat (Karawang, Indramayu, Cianjur, Garut, dan Bandung) serta membandingkan kinerja dua metode prediksi, yaitu Linear Regression sebagai pendekatan statistik klasik dan Support Vector Regression (SVR) sebagai metode machine learning non-linear. Data penelitian berupa harga rata-rata beras medium mingguan periode Januari 2023 hingga Juli 2025 (106 minggu), yang diperoleh dari Badan Pangan Nasional. Tahapan penelitian meliputi studi literatur, pengumpulan data sekunder, preprocessing manual dan otomatis dengan Python, pemodelan menggunakan algoritma Linear Regression dan SVR dengan kernel Radial Basis Function (RBF), serta evaluasi kinerja model berdasarkan indikator Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa kedua metode mampu menghasilkan prediksi harga beras pada minggu ke-107 dengan nilai yang mendekati data aktual. Namun, performa masing-masing metode berbeda di tiap kabupaten. Linear Regression hanya lebih unggul pada Kabupaten Karawang dengan nilai R² sebesar 0,537, sedangkan SVR memberikan hasil yang lebih baik pada empat kabupaten lainnya. Khusus pada Kabupaten Cianjur, SVR menunjukkan keunggulan paling signifikan dengan nilai R² sebesar 0,759 serta error yang relatif rendah (RMSE 304,44 dan MAE 204,45). Temuan ini menegaskan bahwa SVR lebih efektif dalam menangkap pola non-linear harga beras mingguan dibandingkan Linear Regression yang lebih cocok digunakan sebagai model baseline. Kesimpulannya, metode i lebih sesuai untuk diterapkan pada prediksi harga beras di daerah dengan pola fluktuasi yang dinamis, sedangkan Linear Regression hanya dapat diandalkan pada kondisi data yang lebih linear. Hasil penelitian ini dapat menjadi acuan bagi pemerintah daerah, pelaku pasar, dan masyarakat dalam pengambilan keputusan terkait stabilisasi harga beras dan perencanaan distribusi pangan di Jawa Barat

• Prediksi harga beras
• Linear Regression
• Support Vector Regression
• Machine Learning
• Jawa Barat

https://repository.bsi.ac.id/repo/73219/PERBANDINGAN-MODEL-SUPPORT-VECTOR-REGRESSION-DAN-LINEAR-REGRESION-TERHADAP-PREDIKSI-HARGA-BERAS
Anda dapat membaca file tugas akhir ini di repository.