OPTIMASI K-NEAREST NEIGHBOR DENGAN PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI HARGA TEMBAKAU

Komoditas tembakau merupakan salah satu penyumbang pendapatan keuangan terbesar bagi negara, menjadi alasan penting dalam menempatkan komoditas tembakau dan produk olahannya sebagai komoditas yang strategis. namun dalam bidang pertanian, hampir semua aktivitas produksi sering dihadapkan dengan permasalahan fluktuasi harga dan hasil produksi. Untuk itu perlu dilakukan peramalan harga pada masa yang akan datang untuk dijadikan acuan dalam mengambil keputusan agar dapat mengurangi risiko serta meningkatkan keuntungan. Dalam penelitian ini digunakan metode K-NN dengan optimasi PSO. Metode ini merupakan salah satu metode yang baik untuk diterapkan dalam peramalan harga dan hasil penelitian menunjukkan bahwa performa K-NN  meningkat setelah dioptimasi dengan algoritma PSO. Hal ini dibuktikan dengan penurunan nilai eror (RMSE) pada metode K-NN yang semula 0.093 menjadi 0.072 setelah dioptimasi dengan algoritma PSO. Hasil ini membuktikan bahwa metode K-NN dengan optimasi PSO lebih baik dibandingkan dengan metode K-NN saja.