Penerapan Recurrent Neural Network Menggunakan Algoritma Long Short-Term Memory Untuk Memprediksi Harga Harian Sembako

Jati, Kuncoro Wisnu (2024) Penerapan Recurrent Neural Network Menggunakan Algoritma Long Short-Term Memory Untuk Memprediksi Harga Harian Sembako. Other thesis, Universitas Komputer Indonesia.

	Text UNIKOM_KuncoroWisnuJati_Cover.pdf - Published Version Download (54kB)
	Text UNIKOM_KuncoroWisnuJati_LembarPengesahan.pdf - Published Version Download (394kB)
	Text UNIKOM_KuncoroWisnuJati_PersetujuanPublikasi.pdf - Published Version Download (330kB)
	Text UNIKOM_KuncoroWisnuJati_PernyataanKeaslian.pdf - Published Version Download (391kB)
	Text UNIKOM_KuncoroWisnuJati_KataPengantar.pdf - Published Version Download (9kB)
	Text UNIKOM_KuncoroWisnuJati_DaftarIsi.pdf - Published Version Download (61kB)
	Text UNIKOM_KuncoroWisnuJati_BAB I.pdf - Published Version Download (319kB)
	Text UNIKOM_KuncoroWisnuJati_BAB II.pdf - Published Version Download (425kB)
	Text UNIKOM_KuncoroWisnuJati_BAB III.pdf - Published Version Restricted to Repository staff only Download (397kB) | Request a copy
	Text UNIKOM_KuncoroWisnuJati_BAB IV.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text UNIKOM_KuncoroWisnuJati_BAB V.pdf - Published Version Download (9kB)
	Text UNIKOM_KuncoroWisnuJati_DaftarPustaka.pdf - Published Version Download (80kB)
	Text UNIKOM_KuncoroWisnuJati_KontakPenulis&KontributorPenelitian.pdf - Published Version Download (89kB)

Abstract

Sembako, atau sembilan bahan pokok, adalah sekumpulan barang konsumsi yang dianggap penting untuk kehidupan sehari-hari. Harga sembako sering dijadikan indikator utama dalam menilai stabilitas ekonomi suatu negara. Dalam penelitian ini, Kantor Sekretariat Daerah Pandeglang Bagian Perekonomian, melalui Tim Pengendalian Inflasi Daerah (TPID), bertanggung jawab untuk menjaga kestabilan harga, ketersediaan pasokan, dan kelancaran distribusi sembako, serta melakukan tindakan jika terjadi fluktuasi harga yang tidak wajar. TPID perlu mampu mengantisipasi potensi masalah lebih awal. Namun, ketidaktersediaan informasi mengenai tanggal-tanggal yang berpotensi mengalami kelangkaan stok dan kendala distribusi sembako, yang kemudian dapat mempengaruhi harga sembako, menyebabkan kurang efektifnya perencanaan untuk berbagai kegiatan dan program yang dijalankan oleh TPID. Penelitian ini menggunakan metode kualitatif deskriptif untuk menganalisis data dengan tujuan memberikan gambaran mengenai permasalahan. Algoritma yang digunakan untuk membangun model prediksi adalah Long Short-Term Memory (LSTM). LSTM merupakan pengembangan dari algoritma Recurrent Neural Network (RNN) untuk mengatasi permasalahan pada RNN dalam mengelola data untuk periode yang lama. Data pada penelitian ini diambil dari situs Badan Pangan Nasional menggunakan data scraper yang dibuat dengan bahasa python. Hasil akhir menunjukkan model prediksi memiliki performa yang baik dengan nilai mean squared error (MSE) sebagai berikut: bawang merah 0.02871, bawang putih 0.00659, cabai merah keriting 0.00608, cabai rawit merah 0.00585, daging sapi 0.00200, daging ayam 0.00356, telur ayam 0.00234, beras 0.00948, dan minyak goreng 0.00152. Model dapat ditingkatkan dengan jumlah data lebih besar dan perangkat komputasi yang lebih canggih.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Algoritma Long Short-Term Memory (LSTM), Harga Sembako, Forecasting
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Sistem Informasi (05)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	17 Jul 2025 06:57
Last Modified:	17 Jul 2025 06:57
URI:	http://elibrary.unikom.ac.id/id/eprint/10612

Actions (login required)

View Item