<![CDATA[Penelitian ini menyelidiki efektivitas peramalan harga rata-rata nasional beras medium II menggunakan data mingguan (Januari 2022–Desember 2024) dengan membandingkan tiga metode: ARIMA, Random Forest (RF), dan Long Short-Term Memory (LSTM). Proses studi meliputi prapemrosesan data, pengembangan model, dan evaluasi menggunakan metrik RMSE, MAE, dan MAPE. Meskipun ARIMA cocok untuk pola linear dan LSTM efektif untuk ketergantungan jangka panjang, Random Forest menunjukkan kinerja superior dalam menangani pola nonlinier dan fluktuasi harga. Hasil evaluasi menunjukkan RF mencapai akurasi tertinggi dengan RMSE 0,08, MAE 0,06, dan MAPE 0,38%, mengungguli LSTM (MAPE 0,51%) dan ARIMA (MAPE 0,73%). Berdasarkan keunggulan ini, RF digunakan untuk memprediksi harga dalam dua belas minggu mendatang, menghasilkan estimasi yang stabil antara Rp15.322 hingga Rp15.326. Penemuan ini menyoroti efektivitas metode ensemble learning (Random Forest) dalam peramalan harga pangan dan ditujukan sebagai dasar rekomendasi kebijakan stabilisasi harga beras nasional.]]>
Copyrights © 2026
