PREDIKSI MENGUNAKAN SUPPORT VECTOR REGRESSION DENGAN OPTIMASI GENETIC ALGORITHM

STUDI KASUS HARGA KOMODITAS CABAI PROVINSI JAWA TIMUR

Abstract

Cabai merupakan komoditas yang memiliki pengaruh signifikan terhadap stabilitas harga pangan di Indonesia, terutama di Provinsi Jawa Timur sebagai sentra produksi dan wilayah dengan tingkat konsumsi cabai yang tinggi. Harga cabai yang berfluktuatif akibat faktor musim, distribusi pasokan, dan permintaan pasar menimbulkan ketidakpastian yang berdampak pada inflasi, daya beli masyarakat, serta strategi pemerintah dalam pengendalian harga pangan. Oleh karena itu, diperlukan model prediksi yang akurat dan mampu menangkap karakteristik data harga cabai yang bersifat non-linear. Penelitian ini bertujuan membangun model prediksi harga komoditas cabai di Jawa Timur menggunakan metode Support Vector Regression (SVR) yang dioptimasi dengan Genetic Algorithm (GA). Proses optimasi dilakukan untuk memperoleh parameter terbaik, dengan pemilihan lag berdasarkan analisis Partial Autocorrelation Function (PACF) dan penggunaan kernel Radial Basis Function (RBF). Hasil pengujian menunjukkan bahwa SVR-GA memberikan peningkatan akurasi yang signifikan dibanding dengan SVR tanpa optimasi, dengan nilai MAPE sebesar 1,96% untuk cabai rawit, 2,34% untuk cabai merah besar, dan 2,38% untuk cabai merah keriting. Temuan ini menegaskan bahwa integrasi SVR dan GA mampu menghasilkan model prediksi yang lebih akurat dan stabil, sehingga dapat dimanfaatkan sebagai alat bantu dalam memantau tren harga dan mendukung pengambilan keputusan terkait pengelolaan komoditas cabai