<![CDATA[PREDIKSI HARGA KOMODITAS BERAS DI WONOSOBO MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)]]>
Tegar Putra Pamungkas
Pengarang
Dian Asmarajati., M.Kom.
Dosen Pembimbing 1
Nur Hasanah, M.Kom.
Dosen Pembimbing 2
Dian Asmarajati., M.Kom.
Penguji 1
Nur Hasanah, M.Kom.
Penguji 2
Fluktuasi harga beras yang signifikan di Kabupaten Wonosobo menciptakanketidakpastian pasar yang berdampak luas bagi seluruh pemangku kepentingan. Kondisi ini menyulitkan petani dalam perencanaan panen, mengganggu manajemenlogistik pedagang, melemahkan daya beli konsumen, dan menjadi tantangan bagipemerintah dalam merumuskan kebijakan stabilisasi harga. Hal tersebutmenegaskan urgensi pengembangan model prediksi yang akurat. Penelitian inimenjawab kebutuhan itu dengan merancang dan mengimplementasikan modelLong Short-Term Memory (LSTM) untuk peramalan harga beras. Model dibangunmenggunakan arsitektur satu lapisan LSTM dengan 40unit dan satu lapisan Dense, dilatih pada data harian periode 1 Maret 2021 hingga 20 Juni 2025. Evaluasi padadata uji menunjukkan performa akurasi tinggi: model beras premium mencapaiRoot Mean Square Error (RMSE) Rp 262,50 dan Mean Absolute Percentage Error (MAPE) 1,11%, sedangkan model beras medium memperoleh RMSE Rp 295,34dan MAPE 1,36%. Tingkat galat yang rendah ini mengonfirmasi validitas metodeLSTM untuk menyediakan peramalan yang andal. Sistem prediksi berbasis websiteyang dihasilkan menawarkan alat bantu pengambilan keputusan praktis dan dapatdiakses publik, guna mendukung stabilitas pasar di tingkat regional.
Kata Kunci : Prediksi, Harga Beras, Long Short-Term Memory (LSTM), DeepLearning, Wonosobo.