Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Information Technology, Software Engineering and Computer Science
Muhamad Fikri Zulfikar
Universitas Mercu Buana
Computer Science & IT Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Model Long Short-Term Memory untuk Prediksi Harga Cabai Merah di Provinsi Banten Rheno Budi Setiawan; Rendy Akbar Rianto; Muhamad Fikri Zulfikar; Fandi Ali Mustika; Yuwan Jumaryadi
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 3 No. 1 (2025): Volume 3 Number 1 January 2025
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v3i1.355

Abstract

Fluktuasi harga cabai merah yang tinggi dapat memengaruhi perencanaan produksi, distribusi, serta pengambilan keputusan oleh pelaku usaha dan pemerintah. Penelitian ini bertujuan memprediksi harga cabai merah di Provinsi Banten menggunakan model Long Short-Term Memory (LSTM) berdasarkan data Panel Harga Pangan Badan Pangan Nasional periode Januari 2022 hingga Desember 2023. Data diperoleh melalui teknik web scraping, kemudian diproses melalui konversi format tanggal, penanganan missing values menggunakan metode forward fill, normalisasi dengan MinMaxScaler, serta pembentukan sekuens sepanjang 30 hari. Data dibagi secara kronologis menjadi data pelatihan sebesar 70%, validasi 15%, dan pengujian 15%. Model dibangun menggunakan dua lapisan LSTM yang masing-masing memiliki 50 unit, dua lapisan dropout sebesar 0,2, dan satu lapisan Dense. Proses pelatihan menggunakan optimizer Adam, fungsi loss mean squared error, dan mekanisme EarlyStopping. Pelatihan dihentikan pada epoch ke-97, dengan validation loss terbaik sebesar 0,00028367 pada epoch ke-87. Hasil pengujian menunjukkan nilai RMSE sebesar Rp3.498,29/kg, MAE sebesar Rp2.574,81/kg, dan MAPE sebesar 4,14%. Hasil tersebut menunjukkan bahwa model LSTM mampu mengikuti pola umum kenaikan dan penurunan harga dengan tingkat kesalahan yang relatif rendah, meskipun belum sepenuhnya menangkap perubahan harga secara mendadak. Secara praktis, model ini dapat mendukung perencanaan produksi, distribusi, dan perdagangan cabai merah. Penelitian selanjutnya perlu menambahkan variabel eksternal dan membandingkan LSTM dengan model prediksi lain untuk meningkatkan kemampuan generalisasi model.
Co-Authors Fandi Ali Mustika Jumaryadi, Yuwan Rendy Akbar Rianto Rheno Budi Setiawan