• 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 KOMODITAS BERAS DI WONOSOBO MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM) PREDIKSI HARGA KOMODITAS BERAS DI WONOSOBO MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)

    Detail Cantuman

    Prodi Teknik Informatika

    PREDIKSI HARGA KOMODITAS BERAS DI WONOSOBO MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)

    XML

    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.

    Detail Information

    Item Type
    Laporan Tugas Akhir
    Penulis
    Tegar Putra Pamungkas - Personal Name
    Student ID
    2021150047
    Dosen Pembimbing
    Dian Asmarajati., M.Kom. - - Dosen Pembimbing 1
    Nur Hasanah, M.Kom. - - Dosen Pembimbing 2
    Penguji
    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