• mahkota212.com
  • http://adoornri.com/
  • yokaislot
  • slot gacor
  • https://kadinkabserambarat.org/tentang-kadin/
  • https://kadinkabhalmaheratengah.org/tentang-kadin/
  • situs slot gacor hari ini
  • https://metallagi.com/
  • https://sistel.semarangkota.go.id/
  • https://bkd.siakkab.go.id/
  • https://kadintegal.org/tentang-kadin/
  • https://ejournal.bsi.ac.id/ejurnal/index.php/abdimas
  • https://sippbb.purwakartakab.go.id/maps/
  • http://pustaka.fib.unand.ac.id/
  • slot gacor
  • slot777
  • https://awangbangkalbarat.banjarkab.go.id/
  • https://www.scienceworksforus.com/press-releases/one-week-and-counting-dont-cut-the-research-that-fuels-the-u-s-economy
  • https://washrightsnetwork.org/free-spins-existing-customers-no-deposit-2025-australia/
  • https://catalogue.paramadina.ac.id/
  • https://kadinlangara.org/XNXX/
  • https://kadinpcmataram.org/kontak/
  • https://merch.emma-larson.com/products
  • https://kadinkabbireuen.org/tentang-kadin/
  • https://kadinkotabatang.org/XVIDEOS/
  • https://motherscareivfcentre.com/about-us-2/appointments/
  • https://tiwet.web.id/orc/
  • https://babelankota.kabbekasi.id/
  • situs slot gacor
  • https://anggota.kadinpcmataram.org/
  • <![CDATA[PREDIKSI HARGA BAWANG MERAH KERING DI WONOSOBO MENGGUNAKAN METODE LONG SHORT TERM MEMORY (LSTM)]]> Agus Triyadi Pengarang Dian Asmarajati., M.Kom. Dosen Pembimbing 2 Adi Suwondo, M.Kom Dosen Pembimbing 1 Adi Suwondo, M.Kom Penguji 1 M.Fuat Asnawi, S.Kom., M.m. Penguji 2
    Bawang merah merupakan salah satu komoditas yang paling banyakdikonsumsi di Indonesia. Harga bawang merah dapat mengalami kenaikan danpenurunan harga dalam jangka waktu tertentu sehingga dapat menimbulkanbeberapa pola tertentu. Penelitian ini mengambil data dari situs website PusatSistem Informasi Pasar (SIP) Dinas Pertanian Dan Perkebunan Provinsi JawaTengah. periode 01 Januari 2022 hingga 31 Agustus 2023.Penelitian ini bertujuan untuk mengembangkan model prediksi hargabawang merah di Wonosobo menggunakan metode Long Short-Term Memory(LSTM) pada data historis. Model ini dievaluasi dengan menggunakan Root MeanSquare Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasilpenelitian menunjukkan bahwa model LSTM berhasil memberikan nilai RMSEsebesar 862.76 pada data pelatihan dan 887.62 pada data validasi, serta MAPEsebesar 1.41% untuk data latih dan 1.80% untuk data validasi prediksi.Selanjutnya, model ini diuji untuk memprediksi harga bawang merah empatbulan ke depan. Hasilnya menunjukkan tren menurun, yang mengindikasikankemungkinan penurunan harga bawang merah di Wonosobo dalam periode tersebut. Kata Kunci : Data, SIP, LSTM, Prediksi