Asy’ari, Fajar husain
Unknown Affiliation

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

Found 1 Documents
Search

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.