STTSSTTS
INSYST: Journal of Intelligent System and ComputationINSYST: Journal of Intelligent System and ComputationPrediksi harga beras memiliki peran penting dalam menjaga stabilitas ekonomi dan keamanan pangan, khususnya di Jawa Timur, salah satu pusat produksi beras utama di Indonesia. Penelitian ini bertujuan untuk memprediksi harga beras premium di Jawa Timur menggunakan metode ARIMA (AutoRegressive Integrated Moving Average). Data yang digunakan dalam penelitian ini terdiri dari harga beras premium yang diperoleh dari Badan Pangan Nasional selama periode 15 Maret 2021 hingga 17 Oktober 2024. Proses analisis dimulai dengan eksplorasi data untuk mengidentifikasi tren dan pola musiman dalam data harga beras. Selanjutnya, data dianalisis menggunakan metode ARIMA dan LSTM, yang dikenal efektif dalam memprediksi data time series. Model ARIMA(1,1,1) dipilih karena kemampuannya menangkap dinamika harga melalui komponen autoregresif, terintegrasi, dan moving average, sehingga cocok untuk data linier dengan variasi musiman minimal. LSTM digunakan sebagai model perbandingan karena merupakan subset dari Machine Learning yang menggabungkan model komputasi dan algoritma jaringan saraf, menawarkan potensi peningkatan akurasi prediksi. Model LSTM yang digunakan untuk prediksi terdiri dari empat lapisan, masing-masing dengan 50 neuron, tingkat dropout 20% dan 30%, serta satu lapisan output yang mewakili harga yang diprediksi. Hasil menunjukkan bahwa model ARIMA memberikan estimasi harga yang sangat akurat dengan Mean Absolute Percentage Error (MAPE) sebesar 0,485%, sedangkan model LSTM mencapai MAPE sebesar 1,95%. Temuan ini dapat menjadi referensi bagi pembuat kebijakan dan pemangku kepentingan industri pangan dalam merumuskan langkah strategis untuk menstabilkan harga beras di Jawa Timur.
Beberapa kesimpulan dapat ditarik dari berbagai eksperimen yang dilakukan.Pertama, model ARIMA(1,1,1) lebih baik dalam memprediksi harga beras premium dibandingkan model LSTM, dengan MAPE sebesar 0,485%.Kedua, model LSTM terbaik dari eksperimen menggunakan tingkat dropout 0,2 dan 50 epoch, menghasilkan MAPE sebesar 1,95%.Ketiga, kesalahan yang lebih tinggi pada model LSTM disebabkan oleh bias data dan overfitting, yang dipicu oleh kompleksitas penggunaan model pembelajaran untuk memprediksi time series.Implikasi praktis dari penelitian ini signifikan bagi berbagai pemangku kepentingan, termasuk pembuat kebijakan, produsen pertanian, dan industri pangan.Untuk pembuat kebijakan/pemerintah, prediksi akurat yang diberikan oleh model ARIMA (MAPE 0,485%) dapat membantu dalam merumuskan strategi stabilisasi harga beras.Hal ini penting untuk menjaga stabilitas ekonomi dan memastikan keamanan pangan di Jawa Timur, salah satu daerah penghasil beras utama di Indonesia.Untuk petani, petani dan produsen pertanian dapat memanfaatkan wawasan dari model prediktif untuk merencanakan jadwal penanaman dan panen dengan lebih efektif.Memahami tren harga dapat membantu keputusan tentang kapan menjual hasil panen untuk memaksimalkan keuntungan dan meminimalkan kerugian.Untuk pemain industri pangan, pemangku kepentingan industri dapat memanfaatkan temuan ini untuk menganalisis tren pasar dan menyesuaikan strategi penentuan harga sesuai kebutuhan.Fokus pada perbaikan model dengan memasukkan variabel tambahan sebagai input.Melakukan analisis perbandingan dengan model pembelajaran mesin lainnya yang menawarkan akurasi lebih tinggi dalam memprediksi harga.Melakukan analisis tren harga jangka panjang untuk memperoleh wawasan tentang pola musiman dalam model prediktif.
Saran penelitian lanjutan dapat difokuskan pada pengembangan model yang lebih canggih dengan memasukkan variabel-variabel tambahan sebagai input, seperti faktor-faktor ekonomi, cuaca, atau kebijakan pemerintah yang dapat mempengaruhi harga beras. Selain itu, dapat dilakukan analisis perbandingan dengan model-model pembelajaran mesin lainnya yang menawarkan akurasi lebih tinggi dalam memprediksi harga, seperti metode-metode deep learning yang lebih kompleks. Untuk memperoleh wawasan lebih dalam tentang pola musiman dalam model prediktif, penelitian selanjutnya dapat melakukan analisis tren harga jangka panjang, dengan mempertimbangkan faktor-faktor musiman seperti musim panen, musim hujan, dan liburan. Dengan demikian, model prediksi harga beras dapat semakin akurat dan membantu berbagai pemangku kepentingan dalam mengambil keputusan strategis terkait stabilisasi harga beras di Jawa Timur.
- Algoritma Deep Learning-LSTM untuk Memprediksi Umur Transformator | Jurnal Teknologi Informasi dan Ilmu... jtiik.ub.ac.id/index.php/jtiik/article/view/4587Algoritma Deep Learning LSTM untuk Memprediksi Umur Transformator Jurnal Teknologi Informasi dan Ilmu jtiik ub ac index php jtiik article view 4587
- Analisis Prediksi Debit Sungai Amprong Dengan Model Arima (Autoregressive Integrated Moving Average)... doi.org/10.21776/ub.pengairan.2019.010.02.04Analisis Prediksi Debit Sungai Amprong Dengan Model Arima Autoregressive Integrated Moving Average doi 10 21776 ub pengairan 2019 010 02 04
- Comparison of Premium Rice Price Prediction in East Java with ARIMA and LSTM (Case Study: National Food... jurnal.stts.edu/index.php/INSYST/article/view/407Comparison of Premium Rice Price Prediction in East Java with ARIMA and LSTM Case Study National Food jurnal stts edu index php INSYST article view 407
| File size | 763.96 KB |
| Pages | 7 |
| DMCA | Report |
Related /
UMUM Keberhasilan sistem ini tidak hanya bergantung pada pencapaian indikator formal, melainkan juga pada penginternalisasian prinsip kualitas ke dalam identitasKeberhasilan sistem ini tidak hanya bergantung pada pencapaian indikator formal, melainkan juga pada penginternalisasian prinsip kualitas ke dalam identitas
169169 2506 dan total skor IFE 2. 8337 yang menempatkan Festival Film Solo Documentary di posisi sel II yakni Growth and Build. Faktor internal pengelolaan Festival2506 dan total skor IFE 2. 8337 yang menempatkan Festival Film Solo Documentary di posisi sel II yakni Growth and Build. Faktor internal pengelolaan Festival
UAIUAI Temuan ini menunjukkan bahwa integrasi media interaktif dalam kegiatan English Day dapat menjadi strategi efektif untuk meningkatkan literasi bahasa InggrisTemuan ini menunjukkan bahwa integrasi media interaktif dalam kegiatan English Day dapat menjadi strategi efektif untuk meningkatkan literasi bahasa Inggris
UMUM Temuan unik mengungkapkan bahwa meskipun mahasiswa memiliki pemahaman yang kuat tentang prinsip-prinsip keuangan Islam (skor dimensi ideologis 4. 463),Temuan unik mengungkapkan bahwa meskipun mahasiswa memiliki pemahaman yang kuat tentang prinsip-prinsip keuangan Islam (skor dimensi ideologis 4. 463),
UNSURUNSUR Pengabdian ini menemukan bahwa partisipasi masyarakat di Kampung Tulima sudah optimal. Masyarakat berkontribusi dalam pengembangan daya tarik wisata diPengabdian ini menemukan bahwa partisipasi masyarakat di Kampung Tulima sudah optimal. Masyarakat berkontribusi dalam pengembangan daya tarik wisata di
UNRAMUNRAM Namun, semua tingkat masih menunjukkan kesiapan yang belum memadai, di mana persentase guru sekolah dasar (52%) lebih tinggi dibandingkan dosen perguruanNamun, semua tingkat masih menunjukkan kesiapan yang belum memadai, di mana persentase guru sekolah dasar (52%) lebih tinggi dibandingkan dosen perguruan
STTSSTTS Model ARIMA terbaik yang diidentifikasi adalah ARIMA (4,1,3), dengan nilai AIC terendah 14159. Hasil evaluasi menunjukkan bahwa model ARIMA juga tampilModel ARIMA terbaik yang diidentifikasi adalah ARIMA (4,1,3), dengan nilai AIC terendah 14159. Hasil evaluasi menunjukkan bahwa model ARIMA juga tampil
BASECAMPECOPUBMEDBASECAMPECOPUBMED and (3) measurement of customer experience, indicating that positive emotional responses can boost loyalty and brand advocacy. These findings collectivelyand (3) measurement of customer experience, indicating that positive emotional responses can boost loyalty and brand advocacy. These findings collectively
Useful /
UKWMUKWM Metodologi yang digunakan adalah desain penelitian kausal kuantitatif dengan analisis regresi berganda terhadap data sekunder laporan tahunan dan dataMetodologi yang digunakan adalah desain penelitian kausal kuantitatif dengan analisis regresi berganda terhadap data sekunder laporan tahunan dan data
169169 Serial ini secara dominan menampilkan kehidupan di layar komputer dan ponsel pintar, dengan lihai merangkai berbagai platform digital untuk menciptakanSerial ini secara dominan menampilkan kehidupan di layar komputer dan ponsel pintar, dengan lihai merangkai berbagai platform digital untuk menciptakan
169169 Naratologi, sinematik, serta mise-en-scene sebagai analisis utama dalam kajian ini untuk mengkaji data-data penelitian yang didapatkan melalui observasi,Naratologi, sinematik, serta mise-en-scene sebagai analisis utama dalam kajian ini untuk mengkaji data-data penelitian yang didapatkan melalui observasi,
STTSSTTS The use of CLAHE significantly improved the detail in the images, making it easier for the model to identify disease features. Data augmentation techniques,The use of CLAHE significantly improved the detail in the images, making it easier for the model to identify disease features. Data augmentation techniques,