Claim Missing Document
Check
Articles

Found 1 Documents
Search

Perbandingan Metode LSTM dan Random Forest Untuk Prediksi Harga Telur Ayam Ras di Kalimantan Barat Khinta; Maulana, Devan; Noval Esa; Najwan; Rafli Himawan
Journal of Informatics and Interactive Technology Vol. 2 No. 3 (2025): Desember
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v2i3.84

Abstract

Prediksi harga telur ayam ras di Kalimantan Barat sangat penting untuk membantu peternak, pedagang, dan pemerintah dalam pengambilan keputusan terkait distribusi, stok, dan penetapan harga. Penelitian ini bertujuan membandingkan dua metode machine learning, yaitu Long Short-Term Memory (LSTM) dan Random Forest dalam memprediksi harga telur berdasarkan data historis. Data diambil dari situs Databoks Katadata periode Maret 2024– 2025. Hasil pengujian menunjukkan bahwa Random Forest menghasilkan nilai Mean Squared Error (MSE) yang lebih rendah dibandingkan LSTM, sehingga Random Forest lebih akurat dan efektif digunakan untuk prediksi harga telur ayam ras di Kalimantan Barat.