Penerapan Support Vector Machine Dalam Peramalan Nilai Tukar Petani Provinsi Bengkulu

Abstract

Pertanian masih menjadi sektor dominan di Provinsi Bengkulu, oleh sebab itu sasaran pembangunan disektor ini, khususnya kesejahteraan petani perlu mendapat perhatian lebih. Salah satu indikator kesejahteraan petani adalah Nilai Tukar Petani (NTP). Agar pembangunan tepat sasaran diperlukan perencanaan menggunakan kajian nilai NTP dimasa depan, sehingga metode peramalan dibutuhkan. Metode konvensional yang sering digunakan adalah ARIMA, namun metode ini memiliki banyak keterbatasan. Teknik Machine Learning yang berkembang di era Soceity 5.0 menjadi alternatif solusi dari permasalahan tersebut. Salah satu metode terbarunya untuk peramalan data deret waktu adalah Support Vector Machine (SVM). Dari hasil penghitungan didapat MAPE sebesar 8,55, termasuk dalam highly accurate forecasting sehingga SVM layak digunakan dalam peramalan.