<![CDATA[Fluktuasi harga beras merupakan salah satu tantangan utama dalam menjaga stabilitas pangan dan mendukung pengambilan keputusan pada sektor pertanian. Penelitian ini bertujuan mengembangkan model Long Short-Term Memory (LSTM) untuk memprediksi harga beras harian di Provinsi Sulawesi Utara menggunakan data historis harga sebagai data deret waktu. Sebelum proses pelatihan, data melalui tahap preprocessing yang meliputi pembersihan data, normalisasi, dan pembentukan sliding window selama 30 hari sebagai masukan untuk memprediksi harga pada hari berikutnya. Kinerja model dievaluasi menggunakan Mean Absolute Error (MAE), Mean Squared Error (MSE), dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa model menghasilkan MAE sebesar Rp320,11 dan RMSE sebesar Rp435,25, serta mampu mengikuti tren pergerakan harga dengan baik. Meskipun demikian, model masih mengalami keterlambatan (lagging) ketika menghadapi perubahan harga yang berlangsung secara tiba-tiba. Temuan ini menunjukkan bahwa LSTM memiliki potensi sebagai baseline model untuk prediksi harga beras berbasis data deret waktu, sekaligus menjadi dasar pengembangan model yang mengintegrasikan variabel eksternal guna meningkatkan akurasi prediksi.]]>
Copyrights © 2026
