Publisher

UBMUBM

Journal Jurnal Algoritma, Logika dan KomputasiJurnal Algoritma, Logika dan Komputasi Abstract

Penelitian ini bertujuan untuk membangun model prediksi jumlah ekspor di Sulawesi Selatan berdasarkan negara tujuan menggunakan metode Backpropagation Neural Network (BPNN). Sulawesi Selatan berperan besar dalam ekspor komoditas pertanian, kelautan, dan pertambangan. Kendala utama dalam proses ekspor meliputi ketidaksiapan barang, keterbatasan stok komoditas, dan ketidaksesuaian antara kapasitas produksi dan permintaan pasar tujuan. Data ekspor yang digunakan berasal dari tahun 2018 hingga 2024 dengan total 1.555 baris data. Model BPNN dengan arsitektur 6-10-6-1 diterapkan untuk mengenali pola historis dan menghasilkan prediksi. Hasil pengujian menunjukkan nilai Mean Squared Error (MSE) sebesar 0,0161440, yang menunjukkan akurasi tinggi. Ekspor mencapai puncak hampir 40 ton pada tahun 2019 dan menurun tajam pada 2023, namun diprediksi pulih secara stabil pada 2025–2026. Negara tujuan utama meliputi Tiongkok, Jepang, dan negara-negara Asia Timur dan Tenggara. Komoditas unggulan adalah gurita, kayu olahan, dan produk kelautan. Temuan ini menunjukkan bahwa metode BPNN efektif dalam pemodelan prediktif untuk perencanaan perdagangan serta menegaskan pentingnya kesiapan logistik dan diversifikasi pasar dalam menjaga keberlanjutan ekspor.

Conclusion

Model BPNN dengan arsitektur 6-10-6-1 mampu mempelajari pola sejarah ekspor Sulawesi Selatan dan menghasilkan prediksi volume ekspor yang akurat, berakibat nilai MSE 0,0161440 pada data uji.Prediksi menunjukkan pemulihan stabil volume ekspor antara 19,87 ton dan 23,22 ton pada 2025‑2026, menandakan potensi stabilitas pasca penurunan tajam pada 2023.Keberhasilan model menyoroti pentingnya diversifikasi pasar, khususnya ke negara-negara Asia Timur dan Tenggara, serta penguatan komoditas unggulan seperti gurita, kayu olahan, dan produk kelautan melalui peningkatan kualitas dan sertifikasi.

Future Research

Pertama, dilakukan penelitian komparatif dengan teknik pembelajaran mesin lain seperti Random Forest dan LSTM untuk mengevaluasi apakah metode lain dapat meningkatkan akurasi prediksi dibandingkan BPNN, terutama ketika data ekspor bertambah kompleks dengan variabel makroekonomi. Kedua, dikembangkan sistem pemeliharaan data ekspor berbasis web yang terintegrasi dengan data statistik resmi, sehingga kualitas data menjadi lebih lengkap, akurat, dan real-time, meminimalkan kesalahan pelaporan serta menciptakan basis data yang dapat diakses oleh pelaku ekspor dan pembuat kebijakan. Ketiga, dirancang kerjasama lintas disiplin antara akademisi, lembaga perdagangan, dan sektor industri maritim untuk merancang kebijakan diversifikasi pasar dan penguatan rantai pasok, sehingga hasil prediksi dapat langsung diterjemahkan ke dalam rencana investasi, peningkatan sertifikasi produk, dan perancangan insentif perdagangan yang memfasilitasi ekspor berkelanjutan di Sulawesi Selatan.

References

1. METODE KOMPARASI ARTIFICIAL NEURAL NETWORK PADA PREDIKSI CURAH HUJAN - LITERATURE REVIEW | Jurnal Tekno... jurnal.lldikti4.or.id/index.php/jurnaltekno/article/view/150METODE KOMPARASI ARTIFICIAL NEURAL NETWORK PADA PREDIKSI CURAH HUJAN LITERATURE REVIEW Jurnal Tekno jurnal lldikti4 index php jurnaltekno article view 150
2. Model Prediksi Algoritma ANN Pada Jumlah Ekspor Barang Perhiasan Dan Berharga Menurut Negara Tujuan |... doi.org/10.47065/tin.v3i1.1773Model Prediksi Algoritma ANN Pada Jumlah Ekspor Barang Perhiasan Dan Berharga Menurut Negara Tujuan doi 10 47065 tin v3i1 1773
3. FAKTOR-FAKTOR YANG MEMPENGARUHI PERMINTAAN INDUSTRI HILIR DOMESTIK TERHADAP BIJI KAKAO | Satria | Agricore:... jurnal.unpad.ac.id/agricore/article/view/30800FAKTOR FAKTOR YANG MEMPENGARUHI PERMINTAAN INDUSTRI HILIR DOMESTIK TERHADAP BIJI KAKAO Satria Agricore jurnal unpad ac agricore article view 30800

Metadata

File size	1012.36 KB
Pages	11
DMCA	Report