Penerapan Metode Extreme Learning Machine (ELM) dengan Optimasi Particle Swarm Optimization (PSO) untuk memprediksi Harga Cabai Keriting di Kota Malang

##plugins.themes.bootstrap3.article.main##

Tara Dewanti Sukma Imam Cholissodin Edy Santoso

Abstrak

Cabai keriting merupakan suatu kebutuhan pokok bagi masyarakat Kota Malang yaitu sebagai pelengkap bumbu masakan, sehingga keberadaannya sering dicari. Hal ini menyebabkan terjadinya fluktuasi akibat pengaruh jumlah permintaan terhadap perubahan harga. Maka diperlukan sistem prediksi harga cabai keriting di Kota Malang guna meminimalisir terjadinya ketidakstabilan harga. Extreme Learning Machine (ELM) merupakan salah satu metode prediksi yang memiliki akurasi tinggi serta waktu eksekusi lebih cepat. ELM tidak mempunyai fungsi seleksi fitur, sehingga diperlukan metode optimasi seperti Particle Swarm Optimization (PSO). PSO diimplementasikan sebagai solusi untuk mendapatkan bobot yang optimal dengan nilai fitness sebagai pembandingnya. Berdasarkan pengujian yang telah dilakukan terhadap harga cabai keriting didapatkan nilai rata-rata MAPE sebesar 1,133803% serta nilai rata-rata fitness sebesar 0,400346 dengan parameter optimal terdiri dari jumlah fitur bernilai 2, hidden neuron sebanyak 3 buah, perbandingan presentase antara data training dan testing sebesar 90%:10%, bobot inersia bernilai 0,5, c1 bernilai 3, c2 bernilai 1,5, nilai batas bawah kecepatan sebesar -0,8, nilai batas atas kecepatan sebesar 0,8, populasi sebesar 100, serta dilakukan sebanyak 260 iterasi. Dari hasil pengujian dapat disimpulkan bahwa PSO mampu mengoptimasi bobot ELM sehingga mendapatkan akurasi yang optimal.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Sukma, T., Cholissodin, I., & Santoso, E. Penerapan Metode Extreme Learning Machine (ELM) dengan Optimasi Particle Swarm Optimization (PSO) untuk memprediksi Harga Cabai Keriting di Kota Malang. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 9, p. 3950-3958, sep. 2021. ISSN 2548-964X. Tersedia pada: <https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/9797>. Tanggal Akses: 07 okt. 2022
Bagian
Artikel