<![CDATA[Harga tanaman di Provinsi Lampung berfluktuasi, yang memengaruhi kepercayaan diri petani dan stabilitas ekonomi. Tujuan penelitian ini adalah mengembangkan sistem DSS berbasis pembelajaran mendalam untuk memprediksi harga sepuluh jenis tanaman secara akurat. Metode Long Short-Term Memory (LSTM) digunakan untuk menganalisis data harga historis dari berbagai kabupaten, seperti Lampung Tengah dan Pringsewu. Penelitian dilakukan dengan mengumpulkan data harga, menormalisasi, dan mengelola outlier untuk meningkatkan akurasi model. Arsitektur multi-input LSTM dengan dua lapisan (64 dan 32 unit) dioptimalkan menggunakan mean squared error, menghasilkan nilai loss 0,095, yang menunjukkan generalisasi yang baik. Faktor-faktor seperti lokasi geografis, diversifikasi tanaman, dan dinamika pasar memengaruhi harga. Visualisasi heatmap dan boxplot menyoroti variasi harga di berbagai wilayah, sementara korelasi positif antar komoditas mendukung prediksi multi-output. Evaluasi menggunakan Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE) menunjukkan bahwa model tersebut efektif dalam menurunkan harga, terutama untuk komoditas X1 dan X6. Sistem ini memungkinkan petani dan pemangku kepentingan untuk menerapkan mitigasi risiko keuangan dan strategi pemasaran. Temuan studi menunjukkan bahwa Sistem Pendukung Keputusan (SPK) berbasis LSTM dapat meningkatkan akurasi prediksi harga, mendukung pengambilan keputusan berbasis data, dan memperkuat perekonomian pertanian Lampung.]]>
Copyrights © 2026
