Jl. Siliwangi No. 6, Rawa Panjang, Bekasi Timur | [email protected] | (021) 82436886
Skripsi (S1) FID Teknik Informatika (S1) 2026

IMPLEMENTASI MACHINE LEARNING PADA PREDIKSI HARGA SEMBAKO DI PASAR GANDOANG MENGGUNAKAN REGRESI LINEAR BERGANDA

Penulis: Daffa Aulia Rahman (Penulis Utama / Mahasiswa) RITA WAHYUNI ARIFIN, S.Kom., M.Kom. (Dosen Pembimbing I)

Logo Bina Insani OPEN ACCESS COVER
UNIVERSITAS BINA INSANI
INSTITUTIONAL REPOSITORY
Skripsi (S1) BEKASI, 2026

IMPLEMENTASI MACHINE LEARNING PADA PREDIKSI HARGA SEMBAKO DI PASAR GANDOANG MENGGUNAKAN REGRESI LINEAR BERGANDA

Penulis Utama: Daffa Aulia Rahman
Fakultas: FID
Program Studi: Teknik Informatika (S1)
URI Handle: http://hdl.handle.net/binainsani/226
Tanggal Terbit: 25 September 2026
Abstrak / Ringkasan Karya
Open Access

Implentasi Machine Learning pada Predeksi Harga Sembako di Pasar Gandoang Menggunakan Regresi Linear Berganda. Penelitian ini bertujuan untuk menerapkan Machine Learning menggunakan algoritma Regresi Linear Berganda (Multiple Linear Regression) dalam memprediksi harga sembilan bahan pokok (sembako) di Pasar Gandoang. Fluktuasi harga sembako di pasar tersebut cenderung tidak stabil, sementara proses pengelolaannya masih dilakukan secara manual dan bergantung pada perkiraan atau intuisi pedagang. Oleh sebab itu, diperlukan sebuah sistem prediksi berbasis data yang mampu mendukung pengambilan keputusan secara lebih akurat dan proaktif. Penelitian ini dikembangkan dengan menggunakan metodologi CRISP-DM serta memanfaatkan data historis harga selama lima tahun, mulai Januari 2019 hingga Desember 2024. Adapun sembilan komoditas yang menjadi objek prediksi meliputi beras, minyak goreng, gula pasir, telur ayam, daging ayam, daging sapi, tepung terigu, kedelai, dan garam beriodium. Kinerja model dievaluasi menggunakan metrik R², MSE, RMSE, dan MAE. Hasil pengujian menunjukkan bahwa algoritma Regresi Linear Berganda memiliki tingkat akurasi yang sangat baik, di mana seluruh komoditas berhasil memenuhi target akurasi minimum dengan nilai R² ≥ 0,80. Nilai akurasi tertinggi diperoleh pada model prediksi komoditas beras dengan nilai R² sebesar 0,88. Sementara itu, berdasarkan evaluasi Root Mean Squared Error (RMSE), nilai tertinggi terdapat pada komoditas daging sapi sebesar Rp2.340/kg dan nilai terendah pada komoditas garam beriodium sebesar Rp210/kg. Secara keseluruhan, sistem prediksi berbasis machine learning ini berhasil diterapkan untuk mengatasi kelemahan metode konvensional serta membantu pengelola pasar dan pedagang dalam mengantisipasi kenaikan harga sembako.

Generator Sitasi Ilmiah
APA / IEEE / BibTeX
Daffa Aulia Rahman (2026). IMPLEMENTASI MACHINE LEARNING PADA PREDIKSI HARGA SEMBAKO DI PASAR GANDOANG MENGGUNAKAN REGRESI LINEAR BERGANDA. Skripsi (S1), FID, Universitas Bina Insani, Bekasi.
Daffa Aulia Rahman, "IMPLEMENTASI MACHINE LEARNING PADA PREDIKSI HARGA SEMBAKO DI PASAR GANDOANG MENGGUNAKAN REGRESI LINEAR BERGANDA," Skripsi (S1), Univ. Bina Insani, Bekasi, 2026.
@thesis{submission226,
  author = {Daffa Aulia Rahman},
  title = {IMPLEMENTASI MACHINE LEARNING PADA PREDIKSI  HARGA SEMBAKO DI PASAR GANDOANG  MENGGUNAKAN REGRESI LINEAR BERGANDA},
  school = {Universitas Bina Insani},
  year = {2026}
}
Metadata Lengkap Item
Berkas Naskah Dokumen
  • Cover_Halaman_Judul.pdf
    Cover Page • 245 KB
    Open Access (Publik)
    Unduh
  • Abstrak_Bina_Insani.pdf
    Abstract Page • 180 KB
    Open Access (Publik)
    Unduh
  • Bab_1_Pendahuluan.pdf
    Chapter 1 • 420 KB
    Restricted Hanya pengunggah asli
  • Bab_2_Tinjauan_Pustaka.pdf
    Chapter 2 • 850 KB
    Restricted Hanya pengunggah asli
  • Bab_3_Metodologi_Penelitian.pdf
    Chapter 3 • 610 KB
    Restricted Hanya pengunggah asli
  • Bab_4_Hasil_Dan_Pembahasan.pdf
    Chapter 4 • 1.8 MB
    Restricted Hanya pengunggah asli
  • Bab_5_Kesimpulan_Dan_Saran.pdf
    Chapter 5 • 320 KB
    Restricted Hanya pengunggah asli
Kebijakan Akses Berkas Repository

Sesuai dengan pedoman repository institusi Universitas Bina Insani:

  • Halaman Sampul (Cover) & Abstrak: Dapat diakses dan diunduh secara bebas oleh publik (Open Access).
  • Naskah Bab 1 s.d. Bab 5: Bersifat terbatas (Restricted Access). Hanya pengunggah asli karya dan Staff Perpustakaan yang dapat mengakses berkas naskah ini.
Berkas naskah Bab 1–5 bersifat Restricted Access dan hanya tersedia bagi pengunggah asli atau Staff Perpustakaan.