PERBANDINGAN OPTIMASI PSO BAYESIAN DAN OPTUNA PADA MODEL GRU UNTUK PREDIKSI HARGA AYAM JAWA TIMUR

Choirun Nisa (Universitas Pembangunan Nasional “Veteran” Jawa Timur)
Rizky Parlika (Universitas Pembangunan Nasional “Veteran” Jawa Timur)
M. Muharrom Al Haromainy (Universitas Pembangunan Nasional “Veteran” Jawa Timur)

Jurnal Informatika Teknologi dan Sains (Jinteks)
Vol 8 No 2 (2026): EDISI 28

Studi ini bertujuan untuk menganalisis dan membandingkan performa metode optimasi hyperparameter, yaitu Particle Swarm Optimization (PSO), Bayesian Optimization, dan Optuna pada model Gated Recurrent Unit (GRU) dalam prediksi harga daging ayam ras pedaging di Provinsi Jawa Timur. Data yang digunakan merupakan data harian time series periode Januari 2018 hingga Januari 2026. Metode Penelitian meliputi preprocessing data, feature engineering, validasi model memakai walk-forward validation dengan pendekatan expanding window sebanyak 5 fold, serta optimasi hyperparameter pada setiap fold. Evaluasi model dilakukan memakai metrik MAE, RMSE, dan MAPE, dimana nilai evaluasi diperoleh dari rata-rata seluruh fold pengujian. Hasil penelitian memperlihatkan  seluruh metode optimasi mampu meningkatkan performa model dibandingkan GRU baseline. Model GRU dengan Bayesian Optimization menghasilkan performa terbaik dengan nilai MAE sebesar 252.30, RMSE sebesar 378.03, dan MAPE sebesar 0.74%, serta memperlihatkan tingkat stabilitas yang lebih baik dibandingkan metode lainnya. Hasil studi ini memperlihatkan  pemilihan metode optimasi hyperparameter yang tepat dapat meningkatkan akurasi dan konsistensi model prediksi harga pangan.