Pemodelan Prediksi Harga Beras Medium Wilayah Jawa Timur Menggunakan Stacked LSTM

Authors

  • Yanuarini Nur Sukmaningtiyas
  • Soffa Zahara Universitas Islam Majapahit
  • Mimin Fatchiyatur Rohmah Universitas Islam Majapahit
  • Sugianto Sugianto Universitas Islam Majapahit

DOI:

https://doi.org/10.36815/submit.v3i2.3061

Keywords:

prediksi harga beras, stacked LSTM, optimasi algoritma

Abstract

Di Indonesia, salah satu harga komoditas pangan yang mendominasi peringkat harga yang paling fluktuatif tiap harinya yaitu beras. Penyebab paling utama dari permasalahan ini salah satunya yaitu iklim dan cuaca yang berubah-ubah ditambah dengan gangguan hama yang membuat kegagalan panen yang menyebabkan harga beras sering mengalami kenaikan. Jika hal ini tidak segera kunjung diatasi maka akan berpengaruh terhadap efek yang lebih besar yaitu inflasi. Hadirnya teknologi prediksi atau bisa disebut peramalan dalam harga beras sangat dibutuhkan untuk mempersiapkan kenaikan harga pada waktu tertentu dan sebagai landasan barbagai macam kebijakan untuk menanggulangi lonjakan harga beras yang tak terhindarkan di kemudian hari. Penelitian ini bertujuan melakukan prediksi rerata harga beras medium wilayah Jawa Timur dengan data harian yang diambil dari Sistem Informasi Ketersediaan dan Perkembangan Harga Bahan Pokok di Jawa Timur. Metode yang digunakan yaitu salah satu metode Deep Learning yaitu Stacked LSTM (Long Short-Term Memory). Stacked LSTM merupakan jenis LSTM yang mempunyai lebih dari 1 hidden layer. Selain itu 8 jenis variasi algoritma optimasi juga dilakukan untuk mencapai akurasi terbaik saat melakukan prediksi harga beras. Dari hasil pengujian akurasi terbaik dengan nilai RMSE 10912.197367298677 adalah algoritma optimasi Adamax

References

Ghulam, B. et al. (2022) ‘Prediksi Harga Beras menggunakan Metode Least Square’, Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(3), pp. 1149–1154.

Hasibuan, L. H. and Musthofa, S. (2022) ‘Penerapan Metode Regresi Linear Sederhana Untuk Prediksi Harga Beras di Kota Padang’, JOSTECH: Journal of Science and Technology, 2(1), pp. 85–95. doi: 10.15548/jostech.v2i1.3802.

Isnain, A. R. et al. (2022) ‘Analisis Perbandingan Algoritma LSTM dan Naive Bayes untuk Analisis Sentimen’, Jurnal Edukasi dan Penelitian Informatika (JEPIN), 8(2), p. 299. doi: 10.26418/jp.v8i2.54704.

Kusnadi, N. A. (2018) ‘Pengaruh fluktuasi kharga komoditas pangan terhadap inflasi di Provinsi Jawa Timur’, Jurnal Ilmiah Mahasiswa FEB Universitas Brawijaya, 6(2), pp. 1–19. Available at: https://jimfeb.ub.ac.id/index.php/jimfeb/article/view/5128/4504.

Mukhlisin, Imrona, M. and Murdiansyah, D. T. (2019) ‘Prediksi Harga Beras Premium dengan Metode Algoritma K-Nearest Neighbor’, e-Proceeding of Engineering, 7(1), pp. 2714–2724.

Putri Hariyanti, Nelvia Iryani and Putri Ayu (2023) ‘Fluktuasi Harga Komoditas Pangan Dan Pengaruhnya Terhadap Inflasi Di Sumatera Barat’, Jurnal Ekuilnomi, 5(1), pp. 99–108. doi: 10.36985/ekuilnomi.v5i1.554.

Sarbaini, S., Yanti, D. and Nazaruddin (2023) ‘Prediksi Harga Beras Belida Di Kota Pekanbaru Menggunakan Fuzzy Time Series Cheng’, Jurnal Teknologi dan Manajemen Industri Terapan, 2(3), pp. 234–241. doi: 10.55826/tmit.v2i3.183.

Downloads

Published

2023-12-31

How to Cite

Sukmaningtiyas , Y. N. ., Zahara, S., Rohmah, M. F. ., & Sugianto, S. (2023). Pemodelan Prediksi Harga Beras Medium Wilayah Jawa Timur Menggunakan Stacked LSTM. SUBMIT: Jurnal Ilmiah Teknologi Infomasi Dan Sains, 3(2), 20–24. https://doi.org/10.36815/submit.v3i2.3061