PENERAPAN ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI STABILITAS HARGA PANGAN DI KOTA METRO

Erika Adelia Pratiwi; Sita Muharni

doi:10.46576/djtechno.v7i1.8553

PENERAPAN ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI STABILITAS HARGA PANGAN DI KOTA METRO

Erika Adelia Pratiwi, Sita Muharni

Abstract

Penelitian ini bertujuan untuk menganalisis cara harga pangan bergerak serta mengelompokkan tingkat stabilitas harga di Kota Metro dengan menggunakan metode Random Forest. Metode yang digunakan adalah pendekatan kuantitatif dengan teknik data mining untuk menganalisis data historis harga pangan selama periode 2020 hingga 2025 yang didapatkan dari Pusat Informasi Harga Pangan Strategis Nasional. Proses penelitian mencakup beberapa tahapan seperti mengumpulkan data, mempersiapkan data dengan preprocessing, melakukan transformasi data, menghasilkan fitur-fitur yang relevan melalui feature engineering, membuat model, serta mengevaluasi model menggunakan confusion matrix. Model dibuat dengan membagi data menjadi bagian yang digunakan untuk pelatihan dan bagian yang digunakan untuk menguji, lalu data tersebut diklasifikasikan ke dalam dua kategori yaitu stabil dan tidak stabil. Penelitian menunjukkan bahwa model Random Forest berhasil mengklasifikasikan stabilitas harga dengan akurasi 81,45%, presisi 99,24%, recall 79,51%, dan F1-score 88,2%. Hasil ini menunjukkan bahwa model bekerja dengan baik dalam mengenali pola perubahan harga pangan. Dengan demikian, algoritma Random Forest terbukti efektif dan bisa digunakan sebagai bantuan dalam memantau serta membantu mengambil keputusan terkait stabilitas harga pangan di tingkat daerah.

Full Text:

PDF

References

“Analisis Peran Dinas Perindustrian Perdagangan Energi Dan Sumber Daya Mineral Provinsi Sumatera Utara Dalam Menjaga Stabilitas Harga Bahan Pokok Di Pasar Sukarama.”

M. P. Azizah, F. P. Adam, dan T. M. Simanjorang, “Faktor-Faktor yang Mempengaruhi Peranan Program Rumah Pangan Kita (RPK) Bulog dalam Stabilisasi Harga Pangan,” SAJ, vol. 2, no. 2, hlm. 79–90, Nov 2022, doi: 10.15408/saj.v2i2.29160.

S. A. N. Cahyo dan M. Y. T. Sulistyono, “Comparison of Multiple Linear Regression and Random Forest Methods for Predicting National Rice Production in Indonesia,” vol. 9, no. 6.

C. Tho, V. Yesmaya, R. Wongso, dan E. Tanuar, “Price prediction for food commodities sustainability across provinces in Indonesia,” IOP Conf. Ser.: Earth Environ. Sci., vol. 1488, no. 1, hlm. 012121, Apr 2025, doi: 10.1088/1755-1315/1488/1/012121.

R. Rahmadini, Enjel Erika LorencisLubis, Aji Priansyah, Yolanda R.W.N, dan Tuti Meutia, “PENERAPAN DATA MINING UNTUK MEMPREDIKSI HARGA BAHAN PANGAN DI INDONESIA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR,” JMAS, vol. 4, no. 4, hlm. 223–235, Agu 2023, doi: 10.33059/jmas.v4i4.7074.

H. Yasinta, I. Setyaningrum, C. Yohanna, dan M. Benbifo, “ANALISIS DAMPAK IMPOR BERAS TERHADAP STABILITAS HARGA DAN KETAHANAN PANGAN DI INDONESIA (2019-2023),” JIMEA, vol. 9, no. 1, hlm. 796–811, Feb 2025, doi: 10.31955/mea.v9i1.5008.

K. Auliasari, F. Qurrotuna, M. Orisa, N. Nurina, dan P. M. Mirenty, “Analisis Fluktuasi Harga Pangan Antar Provinsi di Indonesia Menggunakan Pendekatan Data Mining dan Big Data,” digitech, vol. 4, no. 2, hlm. 1184–1191, Jan 2025, doi: 10.47709/digitech.v4i2.5217.

V. A. Handayani, S. Rahmiati, B. Varischa, dan A. Arrafi, “Comparative Analysis: Multiple Regression and Random Forest Regression in Predicting Food Security Index in Indonesia,” J. Math. Comput. Stat., vol. 8, no. 2, hlm. 389–400, Sep 2025, doi: 10.35580/jmathcos.v8i2.8593.

A. Rifai, S. Eka Permana, dan R. Hamonangan, “OPTIMALISASI KLASIFIKASI INDEKS DESA MEMBANGUN MENGGUNAKAN METODE ENSEMBLE DAN ALGORITMA RANDOM FOREST,” jati, vol. 8, no. 4, hlm. 8226–8234, Agu 2024, doi: 10.36040/jati.v8i4.10971.

“Pusat Informasi Harga Pangan Strategis Nasional (PIHPS).”

R. Duta Apyuma, “Penerapan Data Mining Untuk Prediksi Permintaan Hasil Pertanian Beras Menggunakan Metode Fp-Growth Berbasis Website,” Ju. Sa. In. Te., vol. 4, no. 3, hlm. 559–567, Okt 2025, doi: 10.62357/jsit.v4i3.811.

R. A. Wahyuni dan S. Fatimah, “Prediksi Persentase Kenaikan Harga Pangan Menjelang Hari Raya Idul Fitri pada tahun 2026 sampai 2028 Menggunakan Metode Linear Regression; Study Kasus di Indonesia,” 2025.

R. Ramesh dan M. Jeyakarthic, “ENHANCED PRICE PREDICTION OF SEASONAL AGRICULTURAL PRODUCTS USING ENSEMBLE LEARNING,” vol. 20, no. 6.

D. Ariandini, H. Soerjatisnanta, dan A. A. Firmansyah, “Kebijakan Pemerintah dalam Menjaga Stabilitas Harga Barang Kebutuhan Pokok,” vol. 3, 2025.

M. N. R. Ibrahim, “Price Forecasting of Shallots Using the Machine Learning Approach of Random Forest Regression Supporting Price Stabilization,” JTEP, vol. 13, no. 3, hlm. 449–461, Okt 2025, doi: 10.19028/jtep.013.3.449-461.

P. Oktoviany, R. Knobloch, dan R. Korn, “A machine learning-based price state prediction model for agricultural commodities using external factors,” Decisions Econ Finan, vol. 44, no. 2, hlm. 1063–1085, Des 2021, doi: 10.1007/s10203-021-00354-7.

E. Garcia Sumargo dan T. Handhayani, “ANALISIS CLUSTERING HARGA PANGAN DI PASAR TRADISIONAL WILAYAH KALIMANTAN MENGGUNAKAN ALGORITMA K-MEANS DAN FUZZY C-MEANS,” jati, vol. 9, no. 5, hlm. 8703–8710, Jul 2025, doi: 10.36040/jati.v9i5.15135.

D. Saputra, D. R. Trinadi, dan D. Agustina, “Perbandingan Metode Random Forest, Linier Regression, SVM Untuk Memprediksi Harga Beras Premium,” 2025.

D. A. Kuncoro dan A. Nafisa, “Peranan Bidang Perdagangan Diskopindag Kota Malang Dalam Menjaga Stabilitas Harga Bahan Pokok,” Dialektika, vol. 10, no. 2, hlm. 386–395, Okt 2025, doi: 10.36636/dialektika.v10i2.7442.

G. A. Indraswari, R. R. Anjani, dan A. Jamal, “Evaluasi Keputusan Pemerintah Melalui Pasar Murah dalam Menjaga Stabilisasi Harga Bahan Pokok di Surabaya,” par, vol. 1, no. 2, hlm. 14, Mei 2024, doi: 10.47134/par.v1i2.2420.

DOI: https://doi.org/10.46576/djtechno.v7i1.8553