PREDIKSI HARGA PENJUALAN SEMBAKO DI WILAYAH SUMATERA UTARA MENGGUNAKAN ALGORITMA XGBOOST

Keterlambatan pemerintah daerah dalam merespons lonjakan harga sembako di Sumatera Utara sering kali memicu kerugian ekonomi dan pemborosan anggaran operasi pasar. Kondisi fluktuasi harga yang tidak terprediksi ini menuntut adanya solusi teknologi yang proaktif. Oleh karena itu penelitian ini membangun sistem prediksi harga dan peringatan dini menggunakan algoritma Extreme Gradient Boosting (XGBoost). Pendekatan yang digunakan adalah kerangka kerja CRISP-DM yang memandu tahapan terstruktur mulai dari pemahaman masalah, persiapan data, pemodelan, hingga evaluasi dan penerapan sistem. Data harga mingguan periode tahun 2020 hingga 2024 diproses menggunakan metode validasi Time Series Split serta dioptimasi dengan teknik Grid Search untuk mencegah model sekadar menghafal data. Hasil pengujian menunjukkan tingkat akurasi sangat tinggi dengan nilai MAPE beras 1,12 persen, minyak goreng 4,11 persen, dan telur 3,78 persen. Kinerja luar biasa ini juga dibuktikan oleh evaluasi metrik MAE dan MSE yang mencatat tingkat kesalahan nominal sangat kecil. Sistem kecerdasan buatan ini kemudian diwujudkan dalam aplikasi web SIPAHANG dengan indikator peringatan otomatis pada ambang batas 5 persen guna membantu pemerintah melakukan langkah antisipasi secara presisi.