Ahmad Rifai Pengarang Muslim Hidayat, M.Kom Dosen Pembimbing 1 Nulngafan, M.Kom Dosen Pembimbing 2 Saifu Rohman, M.Kom. Penguji 2 Muslim Hidayat, M.Kom Penguji 1

Penelitian ini bertujuan untuk mengembangkan model prediksi hargakentang di Wonosobo menggunakan metode Long Short Term Memory (LSTM).Harga kentang merupakan parameter penting dalam sektor pertanian dan ekonomilokal. Metode LSTM dipilih karena kemampuannya dalam menangani databerurutan dan ketergantungan jangka panjang.Data harga kentang dari Wonosobo dikumpulkan dan dibagi menjadi setpelatihan dan validasi. Model LSTM dijalankan pada set pelatihan dengan hasilRoot Mean Square Error (RMSE) sebesar 155.87, menunjukkan kemampuan modeldalam mengestimasi harga kentang pada data pelatihan. Evaluasi model pada setvalidasi menghasilkan RMSE sebesar 186.31, memberikan gambaran kinerja modelpada data yang tidak digunakan selama pelatihan.Selain itu, Mean Absolute Percentage Error (MAPE) digunakan untukmengukur tingkat kesalahan relatif. Model memberikan MAPE sebesar 0.62 padadata pelatihan dan 0.82 pada data validasi. Hasil tersebut menunjukkan tingkatakurasi model dalam meramalkan perubahan harga kentang, dengan nilai yangrendah menandakan kualitas prediksi yang baik.Penelitian ini menyoroti potensi penggunaan metode LSTM dalammeramalkan harga komoditas pertanian di tingkat lokal. Namun, penelitian ini jugamemberikan saran untuk mengoptimalkan model, memperoleh data yang lebihkomprehensif, dan melakukan validasi dengan data terbaru. Hasil penelitian inidiharapkan dapat memberikan kontribusi pada pemahaman pasar kentang diWonosobo dan memberikan dasar untuk pengambilan keputusan yang lebih baik disektor pertanian dan ekonomi lokal. Kata Kunci : Deep Learning, LSTM, Prediksi, Harga Kentang