Prediksi Indeks Harga Produsen Pertanian Karet Di Indonesia Menggunakan Metode LSTM

Abstract

Karet alam merupakan salah satu bahan baku tanaman yang memiliki pasar yang cukup luas dalam perdagangan internasional, karena dibutuhkan sebagai bahan baku di berbagai industri. Harga produksi karet harus diramalkan karena harga produksi merupakan harga pertama diantara tingkat harga lainnya. Oleh karena itu, informasi mengenai perubahan harga pada suatu produsen sangat penting sebagai sistem peringatan dini terhadap fluktuasi harga pada tingkat harga selanjutnya. Algoritma Long-Short-Term-Memory (LSTM) dipilih karena dianggap cocok untuk menyelesaikan permasalahan peramalan indeks harga produsen pada sektor budidaya karet, karena LSTM sendiri merupakan salah satu pengembangan neural network yang dapat digunakan untuk memodelkan. data deret waktu dan mampu belajar terus menerus. Analisis parametrik yang dilakukan pada penelitian ini adalah jumlah hidden neuron, epoch dan ukuran stack. Kombinasi parameter terbaik yang dihasilkan pada penelitian ini adalah 50 hidden neuron, 25 epoch, dan stack size 10. Nilai terbaik yang dihasilkan pada penelitian ini adalah nilai RMSE data training sebesar 384,20 dan nilai RMSE test sebesar 306,01 dan nilai latih MAPE sebesar 1,25 dan nilai uji MAPE sebesar 1,09%. Perhitungan error MAPE terbaik pada penelitian ini adalah studi Prediksi Indeks Harga Produsen Pertanian Karet di Indonesia dengan Metode Long Short Term Memory yang memberikan MAPE terbaik. Hasil tersebut menunjukkan bahwa MAPE error dapat dikatakan sangat baik karena nilai MAPE terbaik yang dihasilkan kurang dari 10%.