PENERAPAN ALGORITMA XGBOOST (EXTREME GRADIENT BOOSTING) UNTUK PREDIKSI INFLASI PANGAN SUMATERA UTARA

Abstract

Inflasi pangan merupakan salah satu komponen utama yang memengaruhi stabilitas ekonomi daerah, terutama di Provinsi Sumatera Utara yang menunjukkan fluktuasi relatif tinggi dalam beberapa tahun terakhir. Kondisi ini menuntut adanya metode peramalan yang akurat dan andal sebagai dasar pengambilan kebijakan. Penelitian ini bertujuan untuk menerapkan algoritma Extreme Gradient Boosting (XGBoost) dalam memprediksi inflasi pangan di Provinsi Sumatera Utara. Data yang digunakan mencakup harga harian sepuluh komoditas pangan strategis yang diperoleh dari PIHPS serta data inflasi subkelompok makanan dari BPS selama periode Januari 2021 hingga Juli 2025. Model dikembangkan melalui proses hyperparameter tuning untuk memperoleh performa optimal, dan dievaluasi menggunakan metrik Root Mean Square Error (RMSE), Mean Absolute Error (MAE), serta koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model XGBoost memiliki kinerja yang baik dengan nilai RMSE sebesar 0,5225, MAE sebesar 0,4530, dan R² mencapai 89%. Selain itu, hasil peramalan menunjukkan pola inflasi yang cenderung fluktuatif namun tetap stabil dalam jangka pendek. Analisis menggunakan metode SHAP mengungkapkan bahwa variabel perubahan indeks harga pangan (all_index_pctchg) merupakan faktor paling dominan dalam memengaruhi inflasi. Dengan demikian, XGBoost terbukti efektif dalam memodelkan dan memprediksi inflasi pangan sebagai dasar perumusan kebijakan ekonomi daerah