Model Prediksi Inflasi Berbasis Lstm (Long Short-Term Memory) Neural Network Dan Analisis Faktor-Faktor Yang Mempengaruhinya

Dwisanny, Amanda Aprilia (2024) Model Prediksi Inflasi Berbasis Lstm (Long Short-Term Memory) Neural Network Dan Analisis Faktor-Faktor Yang Mempengaruhinya. Masters thesis, Universitas Komputer Indonesia.

	Text UNIKOM_Amanda Aprilia Dwisanny_Cover.pdf - Published Version Download (145kB)
	Text UNIKOM_Amanda Aprilia Dwisanny_Lembar Pengesahan.pdf - Published Version Download (180kB)
	Text UNIKOM_Amanda Aprilia Dwisanny_Surat Keterangan Pernyataan Publikasi.pdf - Published Version Download (459kB)
	Text UNIKOM_Amanda Aprilia Dwisanny_Lembar Pernyataan.pdf - Published Version Download (564kB)
	Text UNIKOM_Amanda Aprilia Dwisanny_Kata Pengantar.pdf - Published Version Download (146kB)
	Text UNIKOM_Amanda Aprilia Dwisanny_Daftar Isi.pdf - Published Version Download (259kB)
	Text UNIKOM_Amanda Aprilia Dwisanny_BAB I.pdf - Published Version Download (380kB)
	Text UNIKOM_Amanda Aprilia Dwisanny_BAB II.pdf - Published Version Download (957kB)
	Text UNIKOM_Amanda Aprilia Dwisanny_BAB III.pdf - Published Version Restricted to Repository staff only Download (399kB) | Request a copy
	Text UNIKOM_Amanda Aprilia Dwisanny_BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text UNIKOM_Amanda Aprilia Dwisanny_BAB V.pdf - Published Version Download (239kB)
	Text UNIKOM_Amanda Aprilia Dwisanny_Daftar Pustaka.pdf - Published Version Download (252kB)
	Text UNIKOM_Amanda Aprilia Dwisanny_Kontak Penulis dan Kontributor Penelitian.pdf - Published Version Download (131kB)

Abstract

Pertumbuhan ekonomi idealnya diiringi dengan stabilnya laju inflasi. Inflasi terjadi apabila adanya peningkatan harga barang dan jasa secara umum dalam kurun waktu tertentu. Inflasi selalu menarik minat banyak peneliti karena sangat penting bagi penentuan kebijakan negara. Salah satunya melakukan kajian mengenai variabel yang berpengaruh signifikan terhadap inflasi. Inflasi tergolong dalam time series atau deret waktu. Oleh karena itu, penelitian ini menggunakan metode deep learning dengan penerapan model prediksi inflasi menggunakan LSTM (Long Short-Term Memory) Neural Network untuk mengevaluasi performa model dalam analisis terhadap variabel univariat dan multivariat dengan menggunakan variabel faktor determinan yang berpengaruh terhadap laju inflasi. Metodologi yang digunakan kuantitatif, dengan metode pengumpulan data dari beberapa situs resmi pemerintah menggunakan variabel endogen yaitu laju inflasi dan variabel eksogen diantaranya target inflasi, nilai tukar rupiah (IDR) terhadap dolar (USD) dan jumlah uang beredar (M2) dengan periode waktu bulanan dari tahun ke tahun yang terjadi di Indonesia periode 2011:1 hingga 2024:03. Dalam implementasi model LSTM menggunakan iterasi pelatihan sebanyak 500 dan learning rate sebesar 0,0001 menghasilkan nilai error terus menurun menandakan proses pelatihan model berjalan dengan baik. Penelitian ini melakukan beberapa analisis diantaranya analisis model prediksi inflasi LSTM terhadap variable univariat dengan jumlah windows size sebanyak 6 dan variable input berupa inflasi menghasilkan training loss sebanyak 0.0568 dan evaluation loss 0.0276. Sedangkan analisis model prediksi inflasi LSTM multivariate dengan jumlah windows size sebanyak 6 dan tiga variabel sebagai input yaitu inflasi, target inflasi, dan nilai tukar rupiah menghasilkan training loss 0.0763 dan evaluation loss 0.0667. Dapat disimpulkan bahwa penerapan model prediksi inflasi menggunakan LSTM univariat memberikan prediksi yang lebih baik daripada menggunakan input multivariat berupa inflasi, target inflasi, dan nilai tukar rupiah.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Inflasi, time series, deep learning, LSTM-NN, multivariat
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software
Divisions:	S2 PASCA SARJANA > S2_Magister Sistem Informasi (51)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	14 May 2025 07:04
Last Modified:	14 May 2025 07:04
URI:	http://elibrary.unikom.ac.id/id/eprint/10215

Actions (login required)

View Item