<![CDATA[Salah satu indikator penting untuk mengukur kesejahteraan ekonomi dan daya beli masyarakat tani adalah Nilai Tukar Petani (NTP). Meskipun pertanian memainkan peran penting dalam perekonomian Sumatera Utara, petani sering menghadapi kenaikan biaya produksi dan harga komoditas yang tidak stabil. Tujuan dari penelitian ini adalah untuk membuat model prediksi presisi tinggi yang menggunakan Jaringan Syaraf Tiruan Berulang (RNN) yang dioptimalkan dengan algoritma Estimasi Moment Adaptif (Adam) untuk memprediksi tren NTP dari tahun 2016 hingga 2025. Data yang digunakan berasal dari deret waktu longitudinal dari Badan Pusat Statistik (BPS), yang mencakup berbagai subsektor, termasuk hortikultura, perkebunan, dan tanaman pangan. Metodologi penelitian menangkap pola musiman tahunan dengan menggunakan MinMaxScaler dan teknik windowing dua belas bulan. Untuk menentukan konfigurasi hyperparameter yang ideal, tiga skenario eksperimen dilakukan. Hasil penelitian menunjukkan bahwa model dengan densitas neuron yang tinggi dan kecepatan belajar agresif sebesar 0,015 (Skenario 3) melakukan yang terbaik. Dengan Mean Absolute Percentage Error (MAPE) hanya 1,45% dan Root Mean Square Error (RMSE) hanya 2,1056, model ini mencapai hasil terbaik. Hal ini menunjukkan bahwa model RNN-Adam sangat efektif untuk mengidentifikasi dinamika ekonomi pertanian non-linear di Sumatera Utara. Studi ini sangat membantu otoritas regional membuat kebijakan yang berbasis bukti.]]>
Copyrights © 2026
