PERAMALAN HARGA KOMODITAS PERTANIAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN) YANG DI OPTIMASI OLEH ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO)

Harga komoditas pertanian yang terkadang tidak stabil membuat resah masyarakat, khususnya para petani karena dikhawatirkan harga turun drastis sehingga membuat para petani mengalami kerugian dan gagal panen. Salah satu faktor yang berpengaruh terhadap sektor pertanian adalah cuaca, sehingga dibutuhkan informasi tentang cuaca untuk nanti kedepannya agar petani bisa mendapatkan keuntungan yang lebih maksimal, diharapkan adanya perencanaan, kapan waktu target tanam yang disesuaikan dengan harga, sehingga dibutuhkan prediksi harga untuk kedepannya. Pada penelitian ini akan membangun sistem untuk peramalan harga komoditas pertanian menggunakan Artificial Neural Network (ANN) yang di optimasi oleh Particle Swarm Optimization (PSO). Penelitian ini menggunakan data cuaca dan data historis komoditas harga bawang merah bulanan selama 3 tahun terakhir dari tahun 2014 sampai 2016. Data ini diperoleh dari Dinas Perdagangan dan Perindustrian Kabupaten Bandung. Data ini akan melalui proses preprocessing terlebih dahulu dengan Principal Component Analysis (PCA), Weighted Moving Average (WMA) dan Normalisasi. Performansi sistem dihitung menggunakan Mean Absolute Percentage Error (MAPE). Setelah dilakukan penelitian peramalan komoditas pertanian menggunakan ANN-PSO memperoleh MAPE terbaik sebesar 7.14% untuk parameter observasi jumlah partikel 50 dan learning rate 0.5 dibandingkan ANN-BP dengan MAPE terbaik 9.03% untuk parameter observasi learning rate 0.1 dan hidden layer 2. Kata Kunci: Komoditas pertanian, ANN, PSO, Multilayer Perceptron, normalisasi, PCA, WMA, MAP