<![CDATA[Beras merupakan komoditas pangan strategis yang fluktuasi harganya berdampak signifikan terhadap inflasi dan kesejahteraan masyarakat di Kota Malang. Penelitian ini bertujuan untuk membangun model prediksi harga beras menggunakan algoritme Long Short-Term Memory (LSTM) dengan mengintegrasikan variabel eksternal berupa variabilitas cuaca dan sentimen publik dari platform X. Metodologi penelitian mencakup tiga skenario eksperimen univariate, bivariate, dan multivariate. Data diolah melalui tahap prapemrosesan, termasuk analisis sentimen menggunakan model Indonesian RoBERTa. Hasil analisis korelasi menunjukkan bahwa sentimen negatif memiliki hubungan linear yang lebih kuat dengan korelasi 0,65-0,67 terhadap harga beras dibandingkan variabel cuaca. Namun, hasil pengujian model membuktikan bahwa skenario univariate memberikan kinerja paling stabil dengan nilai Mean Absolute Percentage Error (MAPE) terendah antara 1,13% hingga 2,00%. Penambahan variabel eksternal pada skenario bivariate dan multivariate cenderung meningkatkan kompleksitas dan noise, meskipun memberikan kontribusi positif pada kategori kualitas beras tertentu. Kesimpulannya, data historis harga tetap menjadi prediktor terkuat untuk jangka pendek, sementara sentimen publik di media sosial dapat dimanfaatkan sebagai indikator peringatan dini guna mendukung kebijakan stabilitas pangan daerah.]]>
Copyrights © 2025
