<![CDATA[Perubahan harga bahan pangan yang tidak stabil menjadi kendala dalam menjaga keseimbangan ekonomi serta ketahanan pangan di Indonesia. Penelitian ini bertujuan untuk menerapkan algoritma Long Short-Term Memory (LSTM) dalam memprediksi harga bahan pangan nasional secara akurat. Data yang digunakan berasal dari Bank Indonesia, yang terdiri atas data harian harga komoditas pangan dari 32 provinsi selama lima tahun terakhir. Tahapan penelitian meliputi preprocessing, normalisasi, pelatihan model, serta evaluasi menggunakan metrik Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan bahwa algoritma Long Short-Term Memory mampu mencapai tingkat akurasi sebesar 98,01%, nilai MAPE sebesar 0,75%, dan nilai RMSE sebesar 0,0065, yang termasuk dalam kategori sangat baik. Hasil tersebut menunjukkan bahwa algoritma Long Short-Term Memory mampu memodelkan pola harga pangan yang dinamis dan kompleks dengan baik. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem prediksi harga pangan berbasis kecerdasan buatan yang mendukung pengambilan keputusan strategis oleh pemerintah maupun pelaku industri.]]>
Copyrights © 2026
