Prediksi Harga Minyak Goreng Curah dan Kemasan Menggunakan Algoritme Long Short-Term Memory (LSTM)

Lailan Sahrina Hasibuan, Yanda Novialdi

Abstrak

Kenaikan harga bahan kebutuhan pokok yang sangat signifikan akan menimbulkan dampak negatif bagi perekonomian masyarakat Indonesia, salah satunya adalah penurunan daya beli. Berdasarkan monitor Pusat Informasi Harga Pangan Strategis dari November 2021 hingga Agustus 2022, minyak goreng merupakan salah satu bahan pokok yang mengalami kenaikan harga yang sangat signifikan di. Kenaikan ini tersebar merata di 34 provinsi Indonesia, termasuk provinsi Jawa Barat. Kenaikan yang signifikan ini dapat dicegah dengan melakukan tindakan preventif jauh hari sebelumnya, jika kenaikan ini telah diprediksi sebelumnya. Deep Learning merupakan metode supervised learning yang banyak digunakan saat ini karena kehandalannya untuk menyelesaikan berbagai masalah di bidang penambangan data. Deep learning dapat melakukan prediksi harga minyak goreng untuk masa yang akan datang menggunakan data deret waktu. Penelitian ini mengembangkan model untuk memprediksi harga minyak goreng berbentuk curah maupun kemasan menggunakan deep learning yang khusus mengelola data time serires yaitu Long Short Term Memory (LSTM). Berdasarkan metrik evaluasi NRMSE, model yang dibangun mampu mengenali pola harga minyak goreng berbentuk curah maupun kemasan. Nilai NRMSE model LSTM pada proses pelatihan adalah 0.019 untuk pelatihan data minyak goreng curah, dan 0.037 untuk data minyak goreng kemasan.

Penulis

Lailan Sahrina Hasibuan
lailan.sahrina@apps.ipb.ac.id (Kontak utama)
Yanda Novialdi
HasibuanL. S., & NovialdiY. (2022). Prediksi Harga Minyak Goreng Curah dan Kemasan Menggunakan Algoritme Long Short-Term Memory (LSTM). Jurnal Ilmu Komputer Dan Agri-Informatika, 9(2), 149-157. https://doi.org/10.29244/jika.9.2.149-157

Rincian Artikel

Most read articles by the same author(s)

Perbandingan Model AlexNet dan ResNet dalam Klasifikasi Citra Bunga Memanfaatkan Transfer Learning

Bana Falakhi, Elmira Faustina Achmal, Muhammad Rizaldi, Renata Rizki Rafi' Athallah, Novanto...
Abstract View : 1145
Unduh :2224