IMPLEMENTASI DATA MINING UNTUK PPREDIKSI HARGA CABAI RAWIT MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN)

Cabai rawit merupakan jenis tanaman holtikultura yang banyak dibudidayakan oleh masyarakat karena menjadi salah satu sumber penghasilan yang memiliki nilai jual cukup tinggi. Tingginya fluktuasi harga cabai rawit berdampak pada ketersediaan cabai rawit sehingga menyulitkan mereka yang membutuhkan cabai rawit, dan juga membuat petani merugi karena harga yang tidak stabil. Keadaan yang membuat petani cabai rawit merugi merupakan masalah serius, mengingat cabai rawit merupakan tanaman atau bumbu yang hampir wajib ada di setiap hidangan. Oleh karena itu, diperlukan suatu penelitian untuk mengatasi masalah tersebut, maka penelitian yang mengimplementasikan data mining dengan menggunakan metode algoritma K-Nearest Neighbor untuk memprediksi harga cabai rawit menggunakan data yang telah tersedia sebelumnya. Pada penelitian ini dilakukan proses penskalaan data agar hasil yang diperoleh lebih presisi dengan tingkat error yang lebih kecil. Berdasarkan uji simulasi yang dilakukan diperoleh hasil Road Means Square Error (RMSE) sebesar 0,258303. Hasil proses perhitungan harga rata-rata yang diperoleh berdasarkan jarak euclidean distance dengan nilai k = 3 diperoleh range harga cabai rawit yaitu, harga dikatakan mahal atau naik dengan kisaran Rp. 31.073,00 sampai dengan Rp. 59.000,00 dan selebihnya. Sedangkan harga dikatakan murah atau turun berada dikisaran Rp. 16.719,00 sampai dengan Rp. 10.844,00 dan seterusnya. Variabel yang paling berpengaruh terhadap panenan adalah faktor cuaca atau curah hujan, namun untuk faktor harga pada suatu waktu atau pada kondisi dimana faktor produksi yang besar tidak menjamin harga akan lebih murah atau stabil. Dalam hal ini terdapat campur tangan dalam urusan politik dan ekonomi yang tidak dapat diakses oleh penulis sebagai peneliti.