relation: http://eprints.unpak.ac.id/8016/
title: Prediksi Harga Beras Menggunakan Long Short-Term Memory   (LSTM)
creator: Yuda, Muhamad
creator: Herfina, Herfina
creator: Delli W, Fajar
subject: Ilmu Komputer
description: Muhamad Yuda, 2024. Prediksi Harga Beras Menggunakan Long Short-Term Memory   (LSTM). Dibawah bimbingan Ibu Dr. Herfina., M.Pd,. M.Kom. dan Dr. Fajar Delli,   M.Kom.  Penelitian ini dilatar belakangi oleh beras yang merupakan makanan pokok bagi   sebagian besar populasi dunia, terutama di Asia. Stabilitas harga beras diperlukan untuk   memastikan ketahanan pangan dan kesejahteraan masyarakat. Harga beras dipengaruhi oleh   berbagai faktor ekonomi seperti inflasi, tingkat pengangguran, dan daya beli masyarakat, serta   faktor produksi seperti cuaca, teknologi pertanian, dan distribusi. Kebijakan pemerintah,   seperti subsidi, tarif impor, dan program bantuan pangan, juga berperan dalam menentukan   harga beras. Dengan prediksi yang akurat, pemerintah dan pelaku pasar dapat mengambil   langkah yang tepat untuk mengelola stok, mengatur distribusi, dan menetapkan kebijakan yang   mendukung stabilitas harga beras.  Prediksi harga beras memiliki berbagai manfaat penting, termasuk menjaga stabilitas   ekonomi dengan meminimalkan fluktuasi harga yang dapat mempengaruhi inflasi dan daya   beli masyarakat. Selain itu, prediksi harga membantu dalam perencanaan produksi dan   distribusi, memastikan ketahanan pangan dengan menghindari kekurangan atau kelebihan stok.   Prediksi yang akurat juga memungkinkan pemerintah untuk merumuskan kebijakan yang tepat,   seperti subsidi atau tarif impor, guna mengatur pasar dan melindungi petani serta konsumen.   Dengan informasi prediktif, pelaku pasar dapat membuat keputusan bisnis yang lebih baik,   mengurangi risiko, dan meningkatkan efisiensi operasional.  Pengujian dimulai dari tahap pengumpulan data berupa data harga beras yang di ambil   dari website PIHPS (Pusat Informasi Harga Pangan Strategis) pada ada sembilan kota dan   kabupaten yang tersebar di Jawa Barat, data berjumlah 1414 dari bulan Januari 2019 hingga   bulan Februari 2024, Dan setelah dilakukan perbandingan metrik evaluasi dari kedua metode   menggunakan RMSE dan MAPE, dapat disimpulkan bahwa model menggunakan metode   LSTM dengan MAPE dan RMSE sebesar 0.02% dan 0.153073, Model dengan pembagian data   latih sebesar 90% dan data uji sebesar 10% menggunakan parameter yang meliputi batch size  sebanyak 64 dan epoch sebanyak 250
date: 2024-07-31
type: Thesis
type: NonPeerReviewed
format: text
language: en
identifier: http://eprints.unpak.ac.id/8016/1/065119014_Muhamad%20Yudha_%20Skripsi_%20Fix%20Pdf.pdf
identifier:   Yuda, Muhamad and Herfina, Herfina and Delli W, Fajar  (2024) Prediksi Harga Beras Menggunakan Long Short-Term Memory (LSTM).  Skripsi thesis, Universitas Pakuan.