PREDIKSI HARGA KOMODITI PERTANIAN MENGGUNAKAN ALGORITME LONG SHORT TERM MEMORY DI DESA KABANDUNGAN SUKABUMI

  • Anggra Haristu Institut Pertanian Bogor
  • Yeni Herdiyeni Institut Pertanian Bogor
  • Marimin Marimin Institut Pertanian Bogor
Abstract viewed = 47 times
PDF (Bahasa Indonesia) downloaded = 55 times

Abstract

Sektor pertanian sangat penting bagi perkembangan ekonomi nasional, memberikan kontribusi terhadap PDB, lapangan kerja, peluang bisnis, pendapatan, dan devisa. Fluktuasi harga komoditas pertanian memiliki dampak yang signifikan bagi petani dan pasar, menyebabkan ketidakpastian dan risiko. Oleh karena itu, meramalkan harga di masa depan sangat penting, dan metode Long Short Term Memory (LSTM) efektif untuk ramalan jangka pendek. Prediksi harga pasar sangat penting bagi petani untuk memaksimalkan keuntungan dan bagi sektor publik dalam merencanakan program pengembangan pertanian.Tujuan utama dari penelitian ini adalah untuk mengembangkan sebuah model prediksi harga komoditas pertanian menggunakan algoritme Long Short Term Memory (LSTM). Model dibuat untuk membantu petani, pedagang, dan pelaku bisnis dalam mengambil keputusan yang lebih baik berdasarkan perkiraan harga komoditi pertanian di masa depan. LSTM dipilih karena kemampuannya dalam memodelkan pola berkelanjutan dan mengingat informasi jangka panjang. Penelitian ini mengambil lokasi di Kabandungan, Kabupaten Sukabumi, sebuah daerah dengan produksi pertanian yang signifikan.

Downloads

Download data is not yet available.

References

[BPS] Badan Pusat Statistik Kabupaten Sukabumi.2018.Kecamatan Kabandungan dalam Angka.
[BPS] Badan Pusat Statistik.2020. Indikator Pertanian 2020. Katalog: 5102001
[KEMENTAN] RENCANA STRATEGIS Kementerian Pertanian 2020 – 2024
A. Arfan and E. Lussiana, “Prediksi Harga Saham Di Indonesia Menggunakan Algoritma Long Short-Term Memory,” vol. 3, 2019.
Ahmed W, Mehrdad B. 2018. "The accuracy of the lstm model for predicting the s&p 500 index and the difference between prediction and backtesting".
Arısoy H, Bayramoğlu.2017. Determination of the Effect of Price Fluctuations on Producer Income the Case of Potatoes. Turkish Journal of Agriculture - Food Science and Technology, 5(11): 1342-1349
Cetin I dan Esengün K.2013. Amasya Ilinde Yaygin Olarak Yetistirilen Urunlerde Verim ve Fiyat Riski. KMÜ Sosyal ve Ekonomı̇k Arastirmalar Dergı̇si 15 (25): 57-65.
Cieh S. H dan Jhen. R. J.2018.“Remaining useful life estimation using long short- term memory deep learning,” Proc. 4th IEEE Int. Conf. Appl. Syst. Innov. 2018, ICASI 2018, pp. 58–61.
Daryanto, A.2018. Memposisikan Secara Tepat Pembangunan Pertanian dalam Prespektif Pembangunan Nasional. IPB Press.
Gimpy et al. 2014. Missing Value Imputation in Multi Attribute Data Set
Hochreiter, S. dan Schmidhuber.1997. LONG SHORT-TERM MEMORY Neural Computation 9(8).
Jauhari D, Himawan A, Dewi C. 2016. Prediksi Distribusi Air PDAM Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation di PDAM Kota Malang. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK). 3(2): 83-87
Pham, dan Christopher D.2013. "Effective approaches to attention-based neural machine translation." arXiv preprint arXiv:1508.04025.
Prasetyanwar H dan J.2018. "Peramalan Nilai Tukar IDR-USD Menggunakan Long Short Term Memory," e-Proceeding of Engineering : Vol.5, No.2 Agustus 2018 , vol. 5, p. 3820.
Shuai.C.L, H. Fang,B. Shi.2018.“Multi-StepAhead Prediction with Long Short Term Memory Networks and Support Vector Regression,” Chinese Control Conf. CCC.
T. Chai and R. R. Draxler, “Root mean square error (RMSE) or mean absolute error (MAE),” Geosci. Model Dev., vol. 7, no. 3, pp. 1247–1250, 2014, doi: 10.5194/gmd-7-1247-2014.
Yusniyanti dan Kurniati .2017. Analisa Puncak Banjir Dengan Metode MAF (Studi Kasus Sungai Krueng Keureuto) JURNAL EINSTEIN Jurnal Hasil Penelitian Bindang Fisika
Published
2023-12-27
How to Cite
HARISTU, Anggra; HERDIYENI, Yeni; MARIMIN, Marimin. PREDIKSI HARGA KOMODITI PERTANIAN MENGGUNAKAN ALGORITME LONG SHORT TERM MEMORY DI DESA KABANDUNGAN SUKABUMI. JOISIE (Journal Of Information Systems And Informatics Engineering), [S.l.], v. 7, n. 2, p. 181-192, dec. 2023. ISSN 2527-3116. Available at: <https://ejournal.pelitaindonesia.ac.id/ojs32/index.php/JOISIE/article/view/3104>. Date accessed: 03 mar. 2024. doi: https://doi.org/10.35145/joisie.v7i2.3104.
Section
Articles