Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JAIS (Journal of Applied Intelligent System) Jurnal Informatika Kaputama (JIK)
Safitri, Melina Dwi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Comparison of Shallot Price Prediction In Pati City With LSTM, GRU and Linear Regression Asyari, Fajar Husain; Proborini, Ellen; Safitri, Melina Dwi; Rachmawanto, Eko Hari
(JAIS) Journal of Applied Intelligent System Vol. 9 No. 2 (2024): Journal of Applied Intelligent System
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/jais.v9i2.11373

Abstract

Shallots are superior vegetable plant and contribute quite significantly to the development of the national economy. The price of shallots fluctuates almost every year. At certain times the price of shallots soars due to high demand while the supply in the market is insufficient. Therefore, an analysis is needed to see what phenomena significantly affect the increase in the price of shallots. The methods used in the study were LSTM, GRU and LR. The results of the analysis show that the LSTM algorithm gets a MAE value of 0.011072172783, MAPE 3.93678% and RMSE 0.03139695060, this error is the lowest compared to GRU getting MAE value is 0.01185741, MAPE 4.2282357% and RMSE 0.03122299395 and LR with MAE 0.0134737280395416, MAPE 5.45081% and RMSE is 0.0313332635305961, so LSTM is a suitable algorithm for predicting shallot data in Pati district.
IMPLEMENTASI ALGORITMA DEEP LEARNING TERINTEGRASI CNN DAN LSTM UNTUK PREDIKSI HARGA KOMODITAS PANGAN DI PASAR INDONESIA Safitri, Melina Dwi; Proborini, Ellen; Asy’ari, Fajar husain
Jurnal Informatika Kaputama (JIK) Vol 9 No 2 (2025): Volume 9, Nomor 2, Juli 2025
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v9i2.1006

Abstract

Pertumbuhan perekonomian suatu negara perlu diperhatikan, dikarenakan perekonomian berpengaruh pada tingkat kesejahteraan rakyat, inflasi negara dan proses pengambilan keputusan. Menurut Badan Pusat Statistik Nasional pada tahun 2021 indonesia mengalami pertumbuhan sebesar 3,69%, hal ini harus ditingkatkan supaya Indonesia bisa menjadi negara maju. Ada beberapa sektor yang dapat mempengaruhi pertumbuhan ekonomi seperti pertambangan, pertanian, perbankan, hingga pangan. Sektor pangan sangat penting bagi suatu negara karena sektor pangan merupakan sektor yang berkaitan erat dengan kehidupan sehari -hari warga negara, namun sektor ini mengalami beberapa kendala seperti kurangnya pasokan, harga pangan yang tidak stabil, tidak stabilnya harga pangan dipengaruhi oleh beberapa faktor salah satunya yaitu oleh petani yang mengalami gagal panen, harga bahan produksi yang meningkat. Untuk mengurangi ketidakstabilan harga bahan pangan, maka diperlukan sebuah sistem yang dapat memprediksi harga pangan berbasis data. Penelitian ini melakukan prediksi terhadap data harga pangan di Indonesia berbasis time series menggunakan algoritma CNN-LSTM. Hasil MAPE terendah yang didapatkan dalam penelitian ini adalah 7,1078% dengan skema model 1 tanpa Maxpoolig1D dan menggunakan optimizers SGD.
Co-Authors Asyari, Fajar Husain Asy’ari, Fajar husain Eko Hari Rachmawanto Proborini, Ellen