Machine Learning Untuk Model Prediksi Harga Sembako Dengan Metode Regresi Linear Berganda
Article Sidebar
Main Article Content
Abstract
Harga sembilan bahan pokok (sembako) setiap waktu dapat naik dan turun (fluktuatif), serta kebutuhan akan informasi harga sembako harian. Oleh karena itu diperlukannya peramalan harga sembako harian untuk beberapa waktu kedepan. Salah satu metode yang dapat digunakan untuk memprediksi harga yang bernilai numerik kontinu yaitu dengan menggunakan metode regresi. Penelitian ini bertujuan untuk mengimplementasikan metode regresi linier berganda dalam memprediksi harga sembako harian, menggunakan sample data sembako di DKI Jakarta. Dengan himpunan data selama 4 tahun terakhir, yaitu dari tanggal 1 Januari 2016 sampai dengan tanggal 31 Desember 2019, yang diperoleh dari portal data Pemerintah Provinsi DKI Jakarta dialamat website www.data.jakarta.go.id. Terdapat 4 variabel didalam himpunan data tersebut yaitu, variabel tanggal, komoditas, pasar dan harga. Variabel tanggal, komoditas dan pasar merupakan variabel bebas (predictor), sedangkan variabel harga merupakan variabel terikat (response). Persentase sumbangan pengaruh variabel bebas terhadap variabel terikat sebesar 84,2%, sedangkan sisanya sebesar 15,8% dipengaruhi oleh variabel yang tidak dimasukkan ke dalam penelitian ini.
Article Details
1. Open Access Policy
Articles published in the journal are open-access articles distributed under the terms and conditions of the Creative Commons license. This aligns with international standards for scholarly publishing, ensuring that all research content is freely available online to the global research community without subscription or paywall barriers immediately upon publication.
2. Creative Commons License
Unless otherwise specified, all accepted and published works are licensed under the Creative Commons Attribution-ShareAlike (CC BY-SA) 4.0 International License.
Under this license, users are free to:
Share: Copy and redistribute the material in any medium or format.
Adapt: Remix, transform, and build upon the material for any purpose, even commercially.
Subject to the following terms:
Attribution: You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
ShareAlike: If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
3. Author Rights & Archiving
Copyright Retention: Authors retain full ownership of the copyright for their published articles without restrictions, granting the journal a non-exclusive license to publish the work as the original publisher of record.
Self-Archiving: Authors are fully permitted to deposit all versions of their manuscript (preprint, accepted manuscript, and final published PDF) into institutional repositories, subject-specific repositories, or on their personal academic websites, provided that proper citation to the journal is maintained.