Peer Review Jurnal - Prediksi Rerata Harga Beras Tingkat Grosir Indonesia dengan Long Short Term Memory

Fadil Indra Sanjaya, Fadil (2019) Peer Review Jurnal - Prediksi Rerata Harga Beras Tingkat Grosir Indonesia dengan Long Short Term Memory. Prediksi Rerata Harga Beras Tingkat Grosir Indonesia dengan Long Short Term Memory, 7 (2). pp. 163-174. ISSN 2407-4322

Preview	Text (Peer Review 1) review 1.pdf - Other Download (105kB) | Preview
Preview	Text (Peer Review 2) review 2.pdf - Other Download (113kB) | Preview

Abstract

Fluktuasi harga bahan pokok khususnya harga beras yang tidak terkendali berimbas pada kerugian bagi produsen dan konsumen. Untuk dapat menjembatani permasalahan tersebut maka dibutuhkan pengambilan keputusan yang tepat. Prediksi adalah salah satu unsur yang dapat digunakan dalam mendukung pengambilan keputusan yang tepat. Prediksi dalam pengambilan keputusan didasarkan pada data yang ada pada waktu sekarang dan waktu lampau sehingga mampu digunakan untuk menggambarkan kondisi yang sesuai dengan sasaran yang ingin dicapai. Dengan prediksi harga beras yang akurat maka diharapkan pengambil keputusan mampu memutuskan kebijakan yang baik atau melakukan tindakan preventif untuk meminimalkan kerugian. Pada studi ini mengkaji prediksi harga beras ditingkat grosir indonesia dengan pendekatan Recurrent Neural Network Long Short Term Memory (RNN LSTM). Dalam studi ini data yang digunakan adalah data Rata-rata Harga Beras di Tingkat Perdagangan Besar/Grosir Indonesia tahun 2010-2020 yang didapat dari badan pusat statistic Indonesia. Hasil yang didapat dari evaluasi hasil prediksi pada epoch 20 hingga 1000 menghasilkan nilai Root Mean Square Error (RMSE) terkecil yaitu 0,43 yang menunjukkan bahwa metode LSTM mampu digunakan untuk memprediksi harga beras di tingkat grosir Indonesia dengan cukup baik. Dan untuk menguji seberapa dekat hubungan antara prediksi dan nilai RMSE maka di lakukan uji keroleasi denga metode pearson. Dari hasil uji korelasi didapatkan nilai r yang positif yang artinya terdapat hubungan yang cukup signifikan antara variabel prediksi dan nilai RMSE.

Item Type:	Article
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Sains Dan Teknologi > S1 Informatika
Depositing User:	Fadil Indra Sanjaya
Date Deposited:	02 Feb 2021 08:09
Last Modified:	15 Mar 2024 07:51
URI:	http://eprints.uty.ac.id/id/eprint/6367

Actions (login required)

View Item