ANALISIS DAN IMPLEMENTASI RADIAL BASIS FUNCTION NEURAL NETWORK DALAM PREDIKSI HARGA KOMODITAS PERTANIAN ANALYSIS AND IMPLEMENTATION OF RADIAL BASIS FUNCTION NEURAL NETWORK IN FORECASTING OF AGRICULTURAL COMMODITY PRICES Made Larita Ditakristy 1 , Deni Saepudin 2 , Fhira Nhita 3 1 Prodi S1 Ilmu Komputasi, Fakultas Informatika, Universitas Telkom 2 Prodi S1 Ilmu Komputasi, Fakultas Informatika, Universitas Telkom 3 Prodi S1 Ilmu Komputasi, Fakultas Informatika, Universitas Telkom 1 larita.ditakristy@gmail.com, 2 denis7579@gmail.com, 3 farid.alchair@gmail.com Abstrak Harga komoditas pertanian yang sangat fluktuatif menimbulkan keraguan bagi para petani untuk mulai menanam. Maka dari itu, diperlukan suatu cara untuk memprediksi harga komoditas pertanian, dimana nantinya prakiraan harga tersebut dapat digunakan sebagai rekomendasi bagi para petani dalam membuat keputusan untuk mulai menanam. Sebelumnya telah dilakukan penelitian untuk prediksi harga komoditas pertanian menggunakan Artificial Neural Network (ANN) dengan arsitektur Time-Delay. Sama halnya dengan penelitian tugas akhir ini akan membangun sistem prediksi harga komoditas pertanian, yaitu cabai merah biasa dan bawang merah untuk 10 minggu kedepan dengan menggunakan arsitektur Radial Basis Function Neural Network (RBFNN). Dalam membangun sistem RBFNN terdapat kendala dalam merancang arsitektur yang optimal, pada penelitian ini menggunakan trial & error dalam penentuan input neuronnya. Hasil pembelajaran dari RBFNN ialah nilai center dan bobot. Hasil dari pembelajaran digunakan untuk menghitung hasil prediksi dari sistem yang kemudian akan dilakukan proses klasifikasi untuk rekomendasi tanam. Performansi sistem dihitung menggunakan Mean Absolute Percentage Error (MAPE). Prediksi komoditas pertanian dengan menggunakan RBFNN yang optimal memperoleh performansi akurasi lebih dari 75% untuk komoditas bawang merah sedangkan untuk komoditas cabai merah biasa, performansi akurasi yang diberikan kurang dari 75%. Pada saat proses klasifikasi rekomendasi tanam dan harga petani untuk bawang merah memperoleh akurasi kurang dari 75 %, sedangkan untuk cabai merah biasa lebih dari 75%. Kata kunci : komoditas pertanian , prediksi, time series, JST, RBF, MAPE Abstract The prices of agricultural commodities are very fluctuating which raises doubts for farmers to start planting. Therefore, we need a way to predict the price of agricultural commodities, where the latter price forecasts can be used as a recommendation for farmers in making the decision to start planting seeds. Previous research has been conducted to predict the price of agricultural commodities by Artificial Neural Network (ANN) with Time-Delay architecture. Similarly, this research will build prediction system of agricultural commodity prices, which are the red chilis and red onions for 10 weeks ahead by using the architecture of Radial Basis Function Neural Network (RBFNN). In building the RBFNN system there are constraints in designing the optimal architecture, so that this study using trial and error to determine the input neurons. This system also makes the center value and weight as learning outputs. The learning outputs are used to calculate the predicted results of the system where then will be performed the classification process for planting recommendations. While the performancy system is calculated using the Mean Absolute Percentage Error (MAPE). The forecasting results of agricultural commodities by using optimal RBFNN provide accuracy performance value more than 75% for red onion commodities, while the red chili commodities is given less than 75% of accuracy performance value. During the process of classification planting recommendation and farmer’s prices for red onion commodities obtain less than 75% of accuracy, while the red chili commodities obtain more than 75% of accuracy. Keywords: agricultural commodities, prediction, time series, ANN, RBF, MAPE. 1. Pendahuluan Sekarang ini di Indonesia sebagian besar harga kebutuhan pangan tidak terjangkau untuk kalangan masyarakat menengah ke bawah. Petani pun dibuat resah karena terkadang sulit dalam menjual hasil pertaniannya dikarenakan terkadang harga hasil dari pertaniannya tersebut lebih murah dari harga produksinya. Harga komoditas pertanian dapat berubah-ubah setiap waktu yang membuat sulit untuk diprediksi. Makadari itu diperlukan metode untuk menyelesaikan masalah tersebut. Pada penelitian sebelumnya sudah ada yang membahas tentang prediksi harga komoditas dengan ISSN : 2355-9365 e-Proceeding of Engineering : Vol.3, No.1 April 2016 | Page 1130