PREDIKSI HARGA BERAS MENGGUNAKAN METODE RECURRENT NEURAL NETWORK DAN LONG SHORT-TERM MEMORY

Abstract

Beras merupakan makanan pokok utama di Indonesia, beras adalah salah satu faktor penting dalam perdagangan dan perindustrian bahan pangan. Selain itu, Indonesia adalah salah satu negara penghasil beras terbesar di dunia. Tujuan dari penelitian ini adalah untuk membuat pemodelan pengolahan data untuk prediksi yang mendekati data aktual. Metode Data Mining yang menyajikan pendekatan yang dapat digunakan oleh faktor-faktor seperti produksi, pasokan beras, dan permintaan. Data yang digunakan dalam penelitian ini adalah harga rata-rata beras dari penggilingan dari Badan Pusat Statistik. Data ini mencakup informasi tentang harga beras   2013 - 2023 yang disajikan setiap bulan. Langkah pertama dalam penelitian ini adalah melakukan pra-pemrosesan data dengan menggunakan metode KDD dalam menyesuaikan dataset yang sudah di peroleh untuk mempermudah proses forecasting. Setelah itu, langkah selanjutnya adalah menerapkan metode Data Mining yaitu Recurrent Neural Networks (RNN) dan Long Short-Term Memory, hasil penelitian ini di peroleh untuk model RNN dengan RMSE terkecil yaitu 0.73 pada kategori harga beras medium dan untuk model LSTM dengan nilai MAE terkecil yaitu 2.31 pada kategori harga beras luar kualitas. Perbedaan dengan penelitian terhaulu adalah dengan menambahkan metode RNN pada konteks peramalan harga beras sehingga dapat menambah variasi atau melengkapi dalam konteks peramalan harga beras.