@phdthesis{eprintsunpak11239,
          school = {Universitas Pakuan},
            year = {2026},
           month = {July},
          author = {Muhamad Haikal Firdaus},
           title = {Prediksi Harga Daging Ayam Ras 
Menggunakan Long Short-Term Memory (LSTM)},
             url = {http://eprints.unpak.ac.id/11239/},
        abstract = {Prediksi Harga Daging Ayam Ras 
Menggunakan Long Short-Term Memory (LSTM). Di bawah bimbingan Dr. Eneng 
Tita Tosida, S.Tp., M.Si., M.Kom. dan Syarif Hidayatullah, M.Kom.
Harga daging ayam ras di Kota Bogor kerap berfluktuasi tajam sehingga me?nyulitkan peternak, pedagang, dan pemangku kebijakan dalam mitigasi risiko pasar. 
Penelitian ini bertujuan membangun model prediksi harga harian ayam ras 
menggunakan Multivariate Long Short-Term Memory (LSTM), dengan menginte?grasikan harga pakan jagung pipilan, indikator hari libur, dan efek Lebaran. Pengem?bangan sistem mengikuti kerangka Knowledge Discovery in Databases (KDD) dan 
diimplementasikan sebagai aplikasi web berbasis Streamlit. Pada tahap pra-pem?rosesan, data harga ayam mentah dikoreksi dari pola stagnasi (Last Observation Car?ried Forward) menjadi interpolasi linear selektif, sementara hubungan harga ayam 
dan pakan diuji melalui korelasi Pearson dan Granger Causality Test. Hyperparame?ter tuning menghasilkan konfigurasi akhir window lookback 14 hari dengan arsi?tektur LSTM (32){$\rightarrow$}Dropout{$\rightarrow$}LSTM(16){$\rightarrow$} Dropout{$\rightarrow$}Dense(16){$\rightarrow$} Dense(1). 
Hasil evaluasi pada data uji menunjukkan MAE Rp180, RMSE Rp441, dan MAPE 
0,45\%, tergolong sangat akurat. Sistem juga mampu menyimulasikan skenario peru?bahan harga pakan secara interaktif, dengan proyeksi harga ayam merespons pro?porsional dan searah, sehingga dapat digunakan sebagai instrumen pendukung kepu?tusan bagi peternak, pedagang, dan pemangku kebijakan di Kota Bogor.
Kata Kunci: Deep Learning, Long Short-Term Memory, Multivariate Time Series, 
Prediksi Harga, Daging Ayam Ras, Knowledge Discovery in Databases.}
}