digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Muhammad Ammar Erdianto
PUBLIC Dewi Supryati

COVER Muhammad Ammar Erdianto
PUBLIC Dewi Supryati

BAB1 Muhammad Ammar Erdianto
PUBLIC Dewi Supryati

BAB2 Muhammad Ammar Erdianto
PUBLIC Dewi Supryati

BAB3 Muhammad Ammar Erdianto
PUBLIC Dewi Supryati

BAB4 Muhammad Ammar Erdianto
PUBLIC Dewi Supryati

BAB5 Muhammad Ammar Erdianto
PUBLIC Dewi Supryati

BAB6 Muhammad Ammar Erdianto
PUBLIC Dewi Supryati

PUSTAKA Muhammad Ammar Erdianto
PUBLIC Dewi Supryati

Penelitian ini bertujuan untuk mengembangkan metode peramalan harga komoditas pertanian dalam jangka pendek menggunakan model hybrid tradisional-intelijen. Tujuan utama penggunaan model hybrid adalah kemampuannya mengakomodasi pola linier dan nonlinier pada harga komoditas sehingga meningkatkan akurasi model. Terdapat empat komoditas pertanian yang digunakan sebagai studi kasus yaitu bawang merah, bawang putih, cabai merah, dan cabai rawit. Harga komoditas pertanian diprediksi secara kausal menggunakan indeks pencarian kata kunci dari Google Trends, parameter makroekonomi, dan parameter permintaan-penawaran. Sebelum masuk ke tahap pemodelan, dilakukan pemrosesan awal, uji root dengan metode Dickey-Fuller untuk mencegah regresi spurious, seleksi lag dengan metode Auto Regressive Distributed Lag, penambahan variabel time-series, normalisasi data, dan seleksi variabel menggunakan metode regresi LASSO. Pemodelan kemudian dilakukan dengan memisahkan komponen linier dan nonlinier pada harga komoditas. Komponen linier dimodelkan dengan regresi linier dan komponen nonlinier dengan model averaged neural network yang memiliki satu lapisan input, satu lapisan tersembunyi, dan satu lapisan output. Penerapan model prediksi harga komoditas pertanian memberikan hasil peramalan yang akurat berdasarkan ukuran performansi nilai MAPE pada data testing dengan nilai di bawah 10%. Penerapan model juga menghasilkan performa yang lebih baik dibandingkan penelitian sebelumnya dan metode time-series. Di sisi lain, model memiliki keterbatasan dalam hal interpretasi tingkat kepentingan variabel prediktor karena terdapat komponen linier dan nonlinier yang masing-masing memiliki nilai tingkat kepentingan variabel yang berbeda. Model yang dikembangkan juga belum mengakomodasi faktor cuaca karena keterbatasan data sehingga diharapkan dapat diakomodasi pada penelitian selanjutnya. Meskipun demikian, dengan akurasi yang tinggi, diharapkan model yang dikembangkan dapat menjadi tambahan masukan untuk perancangan kebijakan pemerintah dan strategi pelaku bisnis di bidang pertanian.