PREDIKSI HARGA BAWANG MERAH KERING DI WONOSOBO MENGGUNAKAN METODE LONG SHORT TERM MEMORY
DOI:
https://doi.org/10.55123/storage.v3i2.3601Keywords:
bawang merah, LSTM, prediksi harga, time series, wonosoboAbstract
Penelitian ini bertujuan untuk memprediksi harga bawang merah kering di Wonosobo menggunakan metode Long Short Term Memory (LSTM). Bawang merah merupakan salah satu komoditas sayuran yang banyak dikonsumsi di Indonesia, dan fluktuasi harganya sering kali berdampak pada ekonomi petani dan pedagang. Data harga bawang merah yang digunakan dalam penelitian ini diambil dari Sistem Informasi Pasar (SIP) Dinas Pertanian dan Perkebunan Provinsi Jawa Tengah untuk periode 1 Januari 2021 hingga 31 Agustus 2023. Data ini kemudian diproses melalui beberapa tahap, termasuk pembentukan pola time series, normalisasi, dan pembagian data untuk training dan testing. Model LSTM yang dibangun diuji dengan menggunakan metrik evaluasi Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE), yang menunjukkan nilai RMSE sebesar 862.76 untuk data latih dan 887.62 untuk data validasi, serta nilai MAPE sebesar 1.41% untuk data latih dan 1.80% untuk data validasi. Hasil prediksi menunjukkan bahwa harga bawang merah cenderung mengalami penurunan selama empat bulan ke depan. Meskipun model LSTM memberikan hasil yang cukup akurat, terdapat beberapa faktor eksternal yang mungkin tidak tertangkap oleh model.
Downloads
References
Brownlee, J. (2017). Long short-term memory networks with Python: Develop sequence prediction models with deep learning. Machine Learning Mastery.
Hassoun, M. H. (1995). Fundamentals of artificial neural networks. MIT Press.
Kristanto, M. W., Achmad, F., Haryudo, S. I., & Kartini, U. T. (2021). Peramalan kebutuhan energi listrik dengan metode time series analysis pada sektor industri UID Jawa Timur. Jurnal Teknik Elektro, 10(3), 793-803.
Lutz, M. (2001). Programming Python. O'Reilly Media, Inc.
McKinney, W. (2012). Python for data analysis: Data wrangling with Pandas, NumPy, and IPython. O'Reilly Media, Inc.
Mitchell, T. M. (1997). Does machine learning really work?. AI Magazine, 18(3), 11-11.
Nissen, S. (2003). Implementation of a Fast Artificial Neural Network Library (fann). Retrieved from http://SourceForge.net/projects/fann/
Pitojo, S. (2003). Benih Bawang Merah. Yogyakarta: Kanisius.
Sarnita Sadya. (2023, April 13). Indonesia produksi bawang merah sebanyak 1,97 juta ton pada 2022. Retrieved October 01, 2023, from Data Indonesia: https://dataindonesia.id/sektor-riil/detail/indonesia-produksi-bawang-merah-sebanyak-197-juta-ton-pada-2022
Tettamanzi, A., & Tomassini, M. (2001). Soft computing: Integrating evolutionary, neural, and fuzzy systems. Springer Science & Business Media.
Tian, C., Ma, J., Zhang, C., & Zhan, P. (2018). A deep neural network model for short-term load forecast based on long short-term memory network and convolutional neural network. Energies, 11(12), 3493.
Vercellis, C. (2011). Business intelligence: Data mining and optimization for decision making. John Wiley & Sons.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Agus Triyadi, Adi Suwondo, Dian Asmarajati, Nur Hasanah, muhamad Fuat Asnawi
This work is licensed under a Creative Commons Attribution 4.0 International License.
