Sistem Prediksi Lonjakan Harga Pangan Berbasis Random Forest untuk Early Warning System

Stabilitas harga pangan merupakan faktor penting dalam menjaga keseimbangan perekonomian nasional. Namun, pemantauan harga secara konvensional masih kurang mampu mendeteksi lonjakan harga secara cepat sehingga respons yang diberikan sering terlambat. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem peringatan dini berbasis algoritma Random Forest untuk memprediksi potensi kenaikan harga komoditas pangan strategis secara otomatis.
Penelitian ini menggunakan 472.101 data historis deret waktu dari Pusat Informasi Harga Pangan Strategis (PIHPS) Nasional. Setelah proses pembersihan data, diperoleh 471.421 data yang digunakan dalam penelitian. Rekayasa fitur dilakukan menggunakan 7-day moving average dan pembentukan variabel target berdasarkan kenaikan harga minimal 2% pada periode berikutnya. Pembagian data dilakukan dengan metode time-series split menggunakan rasio 80:20, yaitu 377.136 data sebagai data pelatihan dan 94.285 data sebagai data pengujian. Model Random Forest dikembangkan menggunakan parameter balanced class weight, 100 decision trees, dan maximum depth 15 untuk mengatasi ketidakseimbangan kelas, di mana data lonjakan harga hanya sebesar 5,40% dari keseluruhan data.
Hasil pengujian menunjukkan bahwa model mencapai nilai recall sebesar 75,18% pada kelas lonjakan harga. Capaian tersebut menunjukkan kemampuan model yang baik dalam mendeteksi potensi anomali kenaikan harga sehingga risiko false negative dapat diminimalkan. Dengan demikian, sistem peringatan dini yang dikembangkan efektif dalam mengidentifikasi potensi kenaikan harga pangan dan berpotensi menjadi pendukung pengambilan kebijakan untuk menjaga stabilitas pasar pangan.