PENDEKATAN BACKPROPAGATION NEURAL NETWORK UNTUK PREDIKSI KRISIS KOMODITAS BERAS DI INDONESIA

Semakin meningkatnya jumlah penduduk Indonesia berakibat pada peningkatan jumlah konsumsi beras. Belum tercukupinya jumlah beras ditambah tingginya harga beras di pasaran mendorong pemerintah mengambil keputusan untuk melakukan impor. Di satu sisi impor beras merupakan salah satu upaya untuk menjaga kestabilan harga beras, di sisi lain impor yang dilakukan secara terus-menerus dapat menyebabkan turunnya cadangan devisa.
Pengembangan sistem prediksi krisis komoditas beras di Indonesia dilakukan dengan metode analogi dengan sistem prediksi krisis mata uang. Pendekatan yang digunakan adalah backpropagation neural network. Tahap penting yang dilakukan adalah menentukan variabel krisis dan indikator-indikator terjadinya krisis komoditas tersebut. Sebagai variabel krisis digunakan CMPI (Index of Commodity Market Pressure). Indikator krisis yang digunakan adalah produksi beras, konsumsi beras, harga beras, luas lahan dan jumlah penduduk.
Data yang digunakan dalam penelitian ini dari Januari 2008 hingga Desember 2018. Diperoleh arsitektur jaringan terbaik yaitu 45 neuron dengan MSE 0,209192 Dengan menggunakan arsitektur terbaik dilakukan analisis efek perubahan nilai setiap indikator yang dilakukan dengan menambah dan mengurangi nilai pada indikator tertentu sebesar 10%, 20% dan 30%. Hasil analisis tersebut menunjukkan bahwa indikator yang berkorelasi kuat terhadap krisis komoditas beras adalah konsumsi beras, luas lahan dan jumlah penduduk.