<![CDATA[Fluktuasi harga cabai merah yang tinggi dapat memengaruhi perencanaan produksi, distribusi, serta pengambilan keputusan oleh pelaku usaha dan pemerintah. Penelitian ini bertujuan memprediksi harga cabai merah di Provinsi Banten menggunakan model Long Short-Term Memory (LSTM) berdasarkan data Panel Harga Pangan Badan Pangan Nasional periode Januari 2022 hingga Desember 2023. Data diperoleh melalui teknik web scraping, kemudian diproses melalui konversi format tanggal, penanganan missing values menggunakan metode forward fill, normalisasi dengan MinMaxScaler, serta pembentukan sekuens sepanjang 30 hari. Data dibagi secara kronologis menjadi data pelatihan sebesar 70%, validasi 15%, dan pengujian 15%. Model dibangun menggunakan dua lapisan LSTM yang masing-masing memiliki 50 unit, dua lapisan dropout sebesar 0,2, dan satu lapisan Dense. Proses pelatihan menggunakan optimizer Adam, fungsi loss mean squared error, dan mekanisme EarlyStopping. Pelatihan dihentikan pada epoch ke-97, dengan validation loss terbaik sebesar 0,00028367 pada epoch ke-87. Hasil pengujian menunjukkan nilai RMSE sebesar Rp3.498,29/kg, MAE sebesar Rp2.574,81/kg, dan MAPE sebesar 4,14%. Hasil tersebut menunjukkan bahwa model LSTM mampu mengikuti pola umum kenaikan dan penurunan harga dengan tingkat kesalahan yang relatif rendah, meskipun belum sepenuhnya menangkap perubahan harga secara mendadak. Secara praktis, model ini dapat mendukung perencanaan produksi, distribusi, dan perdagangan cabai merah. Penelitian selanjutnya perlu menambahkan variabel eksternal dan membandingkan LSTM dengan model prediksi lain untuk meningkatkan kemampuan generalisasi model.]]>
Copyrights © 2025
