PREDIKSI HARGA KENTANG DI WONOSOBO DENGAN MENGGUNAAN METODE LONG SHORT TERM MEMORY (LSTM)

  • Ahmad Rifai Universitas Sains Al-Qur’an
  • Muslim Hidayat Universitas Sains Al-Qur’an
  • Nulngafan Nulngafan Universitas Sains Al-Qur’an
Keywords:
Deep Learning, LSTM, Prediksi, Harga Kentang

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi harga kentang di Wonosobo menggunakan metode Long Short Term Memory (LSTM). Harga kentang merupakan parameter penting dalam sektor pertanian dan ekonomi lokal. Metode LSTM dipilih karena kemampuannya dalam menangani data berurutan dan ketergantungan jangka panjang. Data harga kentang dari Wonosobo dikumpulkan dan dibagi menjadi set pelatihan dan validasi. Model LSTM dijalankan pada set pelatihan dengan hasil Root Mean Square Error (RMSE) sebesar 155.87, menunjukkan kemampuan model dalam mengestimasi harga kentang pada data pelatihan. Evaluasi model pada set validasi menghasilkan RMSE sebesar 186.31, memberikan gambaran kinerja model pada data yang tidak digunakan selama pelatihan. Selain itu, Mean Absolute Percentage Error (MAPE) digunakan untuk mengukur tingkat kesalahan relatif. Model memberikan MAPE sebesar 0.62 pada data pelatihan dan 0.82 pada data validasi. Hasil tersebut menunjukkan tingkat akurasi model dalam meramalkan perubahan harga kentang, dengan nilai yang rendah menandakan kualitas prediksi yang baik. Penelitian ini menyoroti potensi penggunaan metode LSTM dalam meramalkan harga komoditas pertanian di tingkat lokal.

Downloads

Download data is not yet available.

References

[1] Mikelsten, D., Teigens, V., & Skalfist, P. (2022). Kecerdasan Buatan: Revolusi Industri Keempat. Cambridge Stanford Books.
[2] Rambe, M. F. a. A., & Aslami, N. (2022). Peran Pertanian Di Indonesia Dalam Memasuki Perdagangan internasional. Journal of Social Research, 1(3), 169–177. https://doi.org/10.55324/josr.v1i3.52
[3] Sofiari, Dan, Penelitian Tanaman Sayuran, B., Tangkuban Parahu, J., & Barat, B. (2013). Perubahan Morfologi Dan Toleransi Tanaman Kentang Terhadap Suhu Tinggi (Morphological Changes And Tolerance Of Potato Plants To Heat Stress). In J. Hort (Vol. 23, Issue 4).
[4] Hasrialdy Qamalpasha Muchransyah, M., Sarma, Mun, & Najib, M. (2018). Analisis Internal Dan Eksternal Kentang Indonesia Dalam Menghadapi Masyarakat Ekonomi ASEAN (MEA) Indonesian Potential Internal And External Analysis In Facing The ASEAN Economic Community (MEA). Jurnal Manajemen Dan Organisasi (JMO), 9(2), 115–121.
[5] BPS Provinsi Jawa Tengah.(n.d.). https://jateng.bps.go.id/indicator/55/731/1/luas-panen-dan-produksi-kentang.html
[6] Irawan, B. (2007). Fluktuasi Harga, Transmisi Harga Dan Marjin Pemasaran Sayuran Dan Buah. In Analisis Kebijakan Pertanian (Vol. 5, Issue 4).
[7] Fluktuasi, A., Transmisi, E., Kentang, H., Kabupaten, D., Maulida, M.-N., Ayomi, S., Setiawan, B. M., Roessali, W., Maulida, N., Wiludjeng, D., Program, R., Agribisnis, S. M., Peternakan, F., & Pertanian, D. (N.D.). Analisis Fluktuasi Dan Elastisitas Transmisi Harga Kentang Di Kabupaten Magelang Analyze Of Price Fluctuation And Price Transmission Elasticity Of Potato In Magelang Regency.
[8] Sherstinsky, A. (2020). Fundamentals of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) network. Physica D: Nonlinear Phenomena, 404, 132306. https://doi.org/10.1016/j.physd.2019.132306
Published
2025-01-31
How to Cite
[1]
RifaiA., HidayatM., and NulngafanN., “PREDIKSI HARGA KENTANG DI WONOSOBO DENGAN MENGGUNAAN METODE LONG SHORT TERM MEMORY (LSTM)”, Biner : Jurnal Ilmiah Informatika dan Komputer, vol. 4, no. 1, pp. 9-18, Jan. 2025.
Section
Articles

STATISTICS

Abstract viewed = 0 times
PDF downloaded = 0 times