Aplikasi Prediksi Harga Bahan Pokok Menggunakan Algoritma Monte Carlo Berbasis Web
Keywords:
prediksi, bahan pokok, algoritma Monte Carlo, MAPEAbstract
Kebutuhan manusia terhadap kebutuhan bahan pokok sangatlah tinggi. Harga bahan pokok cenderung fluktuatif. Hal ini menyebabkan sulitnya memprediksi harga bahan pokok. Tujuan penelitian ini untuk membuat aplikasi prediksi harga bahan pokok menggunakan algoritma Monte Carlo. Aplikasi diharapkan dapat membantu masyarakat dalam memilih membeli bahan pokok yang termurah di 5 pasar tradisional di Jakarta Pusat. Tahapan penelitian ini terdiri dari dua proses utama yaitu tahap preproses dan tahap proses. Tahap preposes yaitu seleksi data dan pembersihan data. Tahap proses yaitu menggunakan metode SDLC dengan 4 tahapan yaitu planning, analysis, design dan implementation. Data yang digunakan dalam penelitian ini yaitu 9 bahan pokok (gula pasir murni, garam dapur, telur ayam ras, daging sapi murni, beras IR. I (IR 64), susu kental manis, minyak goreng, bawang merah, dan gas elpiji 3kg). Jangka waktu pengambilan data dari bulan Desember 2017 sampai dengan Februari 2018 (90 hari) di 5 pasar tradisional di daerah Jakarta Pusat. Aplikasi diuji coba menggunakan UAT dan dihitung error menggunakan MAPE. Hasil pengujian aplikasi didapat yaitu UAT sebesar 79,8 dari 20 responden yang menyatakan setuju. Hasil perhitungan error menggunakan MAPE sebesar 10,032%.
Downloads
References
Lessnusa Y.,A.,,Latuconsina S dan Perssulesy E., R., Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Prestasi Siswa SMA (Studi kasus: Prediksi Prestasi Siswa SMAN 4 Ambon), Jurnal Matematika Integratif , ISSN 1412-6184 Volume 11 No 2, Oktober 2015 , pp 149 – 160
Sulardi, P. Hendro tachbir, Umbara, FR. Prediksi Kebutuhan Obat Menggunakan Regresi Linear. Prosiding SNATIF .ISBN: 978-602-1180-50-1. (2017).
Rahmadya.. Menghitung Mean Absolut Percent Error (MAPE) dengan MathLab. https://rahmadya.com/2018/06/15/menghitung-mean-absolute-percent-error-mapedengan-matlab/(2018)
