PREDIKSI HARGA BERAS DI KOTA JAMBI MENGGUNAKAN METODE DEEP LEARNING DENGAN ARSITEKTUR LONG SHORT TERM MEMORY (LSTM)

annisah, nurul (2021) PREDIKSI HARGA BERAS DI KOTA JAMBI MENGGUNAKAN METODE DEEP LEARNING DENGAN ARSITEKTUR LONG SHORT TERM MEMORY (LSTM). S1 thesis, sistem informasi.

	Text FULL SKRIPSI.pdf Download (133kB)
	Text COVER.pdf Download (94kB)
	Text bab1.pdf Download (2MB)
	Text RINGKASAN.pdf Download (133kB)
	Text BAB 5.pdf Download (136kB)

Abstract

Besarnya potensi kerentanan pangan tercermin dari data Badan Ketahanan Pangan Kementerian Pertanian 2019, dimana data tersebut menunjukkan bahwa Kota Jambi termasuk kota yang memiliki ketahanan pangan yang rendah dengan skor Indeks Ketahanan Pangan (IKP) yaitu sebesar 68,23. Berdasarkan fakta tersebut, penting dilakukan penelitian mengenai prediksi harga beras di Kota Jambi untuk mengetahui bagaimana perkembangan harga beras di Kota Jambi pada masa yang akan datang menggunakan deep learning dengan arsitektur Long Short Term Memory (LSTM) serta mengetahui tingkat akurasi model data yang digunakan. Dataset yang digunakan adalah data harga rata-rata beras kategori medium perbulan di Kota Jambi dari Januari 2012 s.d Desember 2020. Adapun data yang dipakai ialah data harga beras bermerek king medium, data harga beras bermerek padi burung dan data harga beras sepat siam. Dilakukan beberapa skema uji coba dalam proses training dan predict model LSTM untuk mendapatkan hasil terbaik. Berdasarkan penelitian yang dilakukan dengan melihat Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE) didapatkan bahwa model menggunakan optimasi Adam dengan jumlah neuron 30 dan jumlah epoch 100 memiliki nilai loss RMSE dan nilai loss MAE terkecil. Untuk data harga beras bermerek king medium memiliki nilai RMSE 28,806 serta nilai MAE yang dihasilkan yaitu 26,752. Data harga beras bermerek padi burung memiliki nilai RMSE 304,164 dan nilai MAE yaitu 185,251 serta data harga beras bermerek sepat siam menghasilkan RMSE 161,065 dan nilai MAE 65,781.

Type:	Thesis (S1)
Subjects:	L Education > LB Theory and practice of education L Education > LC Special aspects of education
Divisions:	Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User:	NURUL ANNISAH
Date Deposited:	27 Jul 2021 02:19
Last Modified:	27 Jul 2021 02:19
URI:	https://repository.unja.ac.id/id/eprint/24401

Actions (login required)

View Item