• 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/
    • PREDIKSI HARGA KENTANG DI WONOSOBO DENGAN MENGGUNAAN METODE LONG SHORT TERM MEMORY (LSTM) PREDIKSI HARGA KENTANG DI WONOSOBO DENGAN MENGGUNAAN METODE LONG SHORT TERM MEMORY (LSTM)

    Detail Cantuman

    Prodi Teknik Informatika

    PREDIKSI HARGA KENTANG DI WONOSOBO DENGAN MENGGUNAAN METODE LONG SHORT TERM MEMORY (LSTM)

    XML

    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

    Detail Information

    Item Type
    Laporan Tugas Akhir
    Penulis
    Ahmad Rifai - Personal Name
    Student ID
    2019150080
    Dosen Pembimbing
    Muslim Hidayat, M.Kom - - Dosen Pembimbing 1
    Nulngafan, M.Kom - - Dosen Pembimbing 2
    Penguji
    Muslim Hidayat, M.Kom - - Penguji 1
    Saifu Rohman, M.Kom. - - Penguji 2
    Kode Prodi PDDIKTI
    55201
    Edisi
    Published
    Departement
    Teknik Informatika
    Kontributor
    Bahasa
    Indonesia
    Penerbit Universitas Sains Al-Qur'an : Wonosobo.,
    Edisi
    Published
    Subyek
    Teknik Informatika
    No Panggil
    Copyright
    Individu Penulis
    Doi

    Lampiran Berkas

    LOADING LIST...



    Informasi

    DETAIL CANTUMAN

    Kembali ke sebelumnya  XML Detail