Implementasi Algoritma LSTM untuk Prediksi Harga Cabai Merah Keriting di Yogyakarta
Article Sidebar
📅
Published:
Jan 10, 2024
Main Article Content
Abstract
Article Summary
Curly red chili is one of the horticultural crops with high economic value. Curly red chili can cause inflation because the price fluctuates greatly and tends to rise. The purpose of the research is to predict future prices quickly and accurately so that the government and consumers can take preventive action against existing problems. This research will use the LSTM algorithm and a dataset of curly red chili prices in Yogyakarta from October 9, 2017 to October 27, 2023. Based on the testing of this research, the best results obtained are by using a data division ratio of 70%: 30%, epoch 150, batch size 48, learning rate 0.001, number of neurons 30, activation function ReLU, and the optimization function Adam which produces a MAPE value of 3.6995%, and an accuracy of 96.3005%. It is hoped that this system can help related parties get accurate curly red chili price predictions.
Keywords
Article Keywords
Downloads
Download data is not yet available.
Article Details
How to Cite
Dwika, A. R. H., & Avianto, D. (2024). Implementasi Algoritma LSTM untuk Prediksi Harga Cabai Merah Keriting di Yogyakarta. Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, 5(1), 635-648. https://doi.org/10.35870/jimik.v5i1.534
Section
Articles
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC-BY 4.0) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
License: All articles are licensed under 
References
Hamidah, K., Syahni, R., & Sari, R. (2020). Analisis Permintaan Cabai Merah Besar di Kota Padang, Sumatra Barat. DOI: https://doi.org/10.23960/jsp.Vol2.No1.2020.49.
Yutriani, Y., Muis, A., & Asih, D. N. (2020). FAKTOR-FAKTOR YANG MEMENGARUHI PERMINTAAN CABAI MERAH KERITING DI KOTA PALU. AGROTEKBIS: E-JURNAL ILMU PERTANIAN, 8(2), 466-472.
Oping, J. M. (2023). Saluran Pemasaran Dan Margin Pemasaran Cabai Merah Keriting Di Desa Kamanga Dua Kecamatan Tompaso Kabupaten Minahasa. Jurnal Multidisiplin Ukita, 1(3), 194-198.
Anjayani, D., & Ambarwati, E. (2021). Mutu dan Daya Simpan Buah Cabai Merah (Capsicum annuum L.) sebagai Tanggapan terhadap Berbagai Jenis Pupuk Hayati. Vegetalika, 10(3), 159-173. DOI: https://doi.org/10.22146/veg.47817.
Pradana, R. S. (2021). Penerapan Analisis Jalur Dalam Mengidentifikasi Penyebab Fluktuasi Harga Cabai Merah Di Kabupaten Aceh Jaya. Jurnal Agrica, 14(1), 20-32.
Wulandari, S. A. (2020). Fluktuasi harga cabai merah di masa pandemi Covid 19 di Kota Jambi. Jurnal MeA (Media Agribisnis), 5(2), 112-120. DOI: http://dx.doi.org/10.33087/mea.v5i2.82.
Ariwanda, G., Cholissodin, I., & Tibyani, T. (2019). Prediksi Harga Cabai Rawit di Kota Malang Menggunakan Algoritme Extreme Learning Machine (ELM). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(6), 5291-5298.
Hidayati, N., Anwar, S., & Rahmah, R. (2022). Peramalan Harga Cabai Merah Sebagai Upaya Menjaga Stabilitas Inflasi Kota Banda Aceh. AGRIEKONOMIKA, 11(1), 31-42. DOI: https://doi.org/10.21107/agriekonomika.v11i1.11380.
Azwina, R., & Syahbudi, M. (2023). Pengaruh Fluktuasi Harga Komoditas Pangan Terhadap Inflasi di Provinsi Sumatera Utara tahun (2019-2021). El-Mal: Jurnal Kajian Ekonomi & Bisnis Islam, 4(1), 238-249.
Salim, A., Fadilla, F., & Purnamasari, A. (2021). Pengaruh Inflasi Terhadap Pertumbuhan Ekonomi Indonesia. Ekonomica Sharia: Jurnal Pemikiran dan Pengembangan Ekonomi Syariah, 7(1), 17-28. DOI: https://doi.org/10.36908/esha.v7i1.268.
Rahmanta, R., & Maryunianta, Y. (2020). Pengaruh harga komoditi pangan terhadap inflasi di kota Medan. Jurnal Agrica, 13(1), 35-44. DOI: 10.31289/agrica.v13i1.3121.
David, M., Cholissodin, I., & Yudistira, N. (2023). Prediksi Harga Cabai menggunakan Metode Long-Short Term Memory (Case Study: Kota Malang). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 7(3), 1214-1219.
Winata, A., Lauro, M. D., & Handhayani, T. (2023). PERBANDINGAN LSTM DAN ELM DALAM MEMPREDIKSI HARGA PANGAN KOTA TASIKMALAYA. Jurnal Ilmu Komputer dan Sistem Informasi, 11(2). DOI: https://doi.org/10.24912/jiksi.v11i2.26015.
Hasibuan, L. S., & Novialdi, Y. (2022). Prediksi Harga Minyak Goreng Curah dan Kemasan Menggunakan Algoritme Long Short-Term Memory (LSTM). Jurnal Ilmu Komputer dan Agri-Informatika, 9(2), 149-157. https://doi.org/10.29244/jika.9.2.149-157.
Sholeh, M. A. (2022). Perbandingan Model LSTM dan GRU untuk Memprediksi Harga Minyak Goreng di Indonesia. EDUSAINTEK: Jurnal Pendidikan, Sains dan Teknologi, 9(3), 800-811. DOI: https://doi.org/10.47668/edusaintek.v9i3.593.
Adi, R. M. S., & Sudianto, S. (2022). Prediksi Harga Komoditas Pangan Menggunakan Algoritma Long Short-Term Memory (LSTM). Building of Informatics, Technology and Science (BITS), 4(2), 1137-1145. DOI: https://doi.org/10.47065/bits.v4i2.2229.
Cahyani, J., Mujahidin, S., & Fiqar, T. P. Implementasi Metode Long Short Term Memory (LSTM) untuk Memprediksi Harga Bahan Pokok Nasional. JUSTIN (Jurnal Sistem dan Teknologi Informasi), 11(2), 346-357. DOI: http://dx.doi.org/10.26418/justin.v11i2.57395.
Ivan, E., & Purnomo, H. D. (2022). FORECASTING PRICES OF FERTILIZER RAW MATERIALS USING LONG SHORT TERM MEMORY. Jurnal Teknik Informatika (Jutif), 3(6), 1663-1673. DOI: https://doi.org/10.20884/1.jutif.2022.3.6.433.
Riyantoko, P. A., Fahruddin, T. M., Hindrayani, K. M., & Safitri, E. M. (2020, December). Analisis Prediksi Harga Saham Sektor Perbankan Menggunakan Algoritma Long-Short Terms Memory (Lstm). In Seminar Nasional Informatika (SEMNASIF) (Vol. 1, No. 1, pp. 427-435).
Karno, A. S. B. (2020). Prediksi Data Time Series Saham Bank BRI Dengan Mesin Belajar LSTM (Long ShortTerm Memory). Journal of Informatic and Information Security, 1(1). DOI: https://doi.org/10.31599/jiforty.v1i1.133.
Rizkilloh, M. F., & Widiyanesti, S. (2022). Prediksi Harga Cryptocurrency Menggunakan Algoritma Long Short Term Memory (LSTM). Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 6(1), 25-31. DOI: https://doi.org/10.29207/resti.v6i1.3630.
Alim, M. N. (2023, March). Pemodelan Time Series Data Saham LQ45 dengan Algoritma LSTM, RNN, dan Arima. In PRISMA, Prosiding Seminar Nasional Matematika (Vol. 6, pp. 694-701).
Julian, R., & Pribadi, M. R. (2021). Peramalan harga saham pertambangan pada bursa efek indonesia (BEI) menggunakan long short term memory (LSTM). JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 8(3), 1570-1580. DOI: https://doi.org/10.35957/jatisi.v8i3.1159.
Titus, T. K., & Jajuli, M. (2022). Clustering Data Kecelakaan Lalu Lintas di Kecamatan Cileungsi Menggunakan Metode K-Means. Generation Journal, 6(1), 1-12. https://doi.org/10.29407/gj.v6i1.16103.
Handayani, N. P. R., Utami, N. W., & Putri, I. G. A. P. D. (2023, April). Prediksi Financial Distress Pada Perusahaan Yang Terdaftar Di Bursa Efek Indonesia Menggunakan Algoritma Decision Tree. In Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) (Vol. 1, No. 1, pp. 53-59). DOI: https://doi.org/10.31284/p.snestik.2023.4102.
Prabiantissa, C. N. (2021, June). Klasifikasi pada Dataset Penyakit Hati Menggunakan Algoritma Support Vector Machine, K-NN, dan Naïve Bayes. In Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) (Vol. 1, No. 1, pp. 263-268). DOI: https://doi.org/10.31284/p.snestik.2021.1818.
Adams, F., Anggoro, R., Satria, M., Oktavia, A., & Chamidah, N. (2021). PERBANDINGAN NORMALISASI DATA UNTUK KLASIFIKASI WINE MENGGUNAKAN ALGORITMA NAÏVE BAYES, DECISSION TREE, DAN SUPPORT VECTOR MACHINE. In Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya (Vol. 2, No. 2, pp. 260-268).
Sholeh, M., Andayati, D., & Rachmawati, R. Y. (2022). DATA MINING MODEL KLASIFIKASI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DENGAN NORMALISASI UNTUK PREDIKSI PENYAKIT DIABETES. TeIKa, 12(02), 77-87. https://doi.org/10.36342/teika.v12i02.2911.
Della, N. L. W. A., Diaz, R. A. N., & Novianti, K. D. P. (2021). Penerapan Metode Regresi Linier untuk Memprediksi Permohonan ITAS. Jurnal Eksplora Informatika, 10(2), 92-100. DOI https://doi.org/10.30864/eksplora.v10i2.380.
Muzakki, M. A., Sabila, M. A., Sundari, S., & Wisnuadhi, B. (2021, September). Analisis Algoritma Prophet untuk Memprediksi Harga Pangan di Kota Bandung. In Prosiding Industrial Research Workshop and National Seminar (Vol. 12, pp. 659-664).
Yutriani, Y., Muis, A., & Asih, D. N. (2020). FAKTOR-FAKTOR YANG MEMENGARUHI PERMINTAAN CABAI MERAH KERITING DI KOTA PALU. AGROTEKBIS: E-JURNAL ILMU PERTANIAN, 8(2), 466-472.
Oping, J. M. (2023). Saluran Pemasaran Dan Margin Pemasaran Cabai Merah Keriting Di Desa Kamanga Dua Kecamatan Tompaso Kabupaten Minahasa. Jurnal Multidisiplin Ukita, 1(3), 194-198.
Anjayani, D., & Ambarwati, E. (2021). Mutu dan Daya Simpan Buah Cabai Merah (Capsicum annuum L.) sebagai Tanggapan terhadap Berbagai Jenis Pupuk Hayati. Vegetalika, 10(3), 159-173. DOI: https://doi.org/10.22146/veg.47817.
Pradana, R. S. (2021). Penerapan Analisis Jalur Dalam Mengidentifikasi Penyebab Fluktuasi Harga Cabai Merah Di Kabupaten Aceh Jaya. Jurnal Agrica, 14(1), 20-32.
Wulandari, S. A. (2020). Fluktuasi harga cabai merah di masa pandemi Covid 19 di Kota Jambi. Jurnal MeA (Media Agribisnis), 5(2), 112-120. DOI: http://dx.doi.org/10.33087/mea.v5i2.82.
Ariwanda, G., Cholissodin, I., & Tibyani, T. (2019). Prediksi Harga Cabai Rawit di Kota Malang Menggunakan Algoritme Extreme Learning Machine (ELM). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(6), 5291-5298.
Hidayati, N., Anwar, S., & Rahmah, R. (2022). Peramalan Harga Cabai Merah Sebagai Upaya Menjaga Stabilitas Inflasi Kota Banda Aceh. AGRIEKONOMIKA, 11(1), 31-42. DOI: https://doi.org/10.21107/agriekonomika.v11i1.11380.
Azwina, R., & Syahbudi, M. (2023). Pengaruh Fluktuasi Harga Komoditas Pangan Terhadap Inflasi di Provinsi Sumatera Utara tahun (2019-2021). El-Mal: Jurnal Kajian Ekonomi & Bisnis Islam, 4(1), 238-249.
Salim, A., Fadilla, F., & Purnamasari, A. (2021). Pengaruh Inflasi Terhadap Pertumbuhan Ekonomi Indonesia. Ekonomica Sharia: Jurnal Pemikiran dan Pengembangan Ekonomi Syariah, 7(1), 17-28. DOI: https://doi.org/10.36908/esha.v7i1.268.
Rahmanta, R., & Maryunianta, Y. (2020). Pengaruh harga komoditi pangan terhadap inflasi di kota Medan. Jurnal Agrica, 13(1), 35-44. DOI: 10.31289/agrica.v13i1.3121.
David, M., Cholissodin, I., & Yudistira, N. (2023). Prediksi Harga Cabai menggunakan Metode Long-Short Term Memory (Case Study: Kota Malang). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 7(3), 1214-1219.
Winata, A., Lauro, M. D., & Handhayani, T. (2023). PERBANDINGAN LSTM DAN ELM DALAM MEMPREDIKSI HARGA PANGAN KOTA TASIKMALAYA. Jurnal Ilmu Komputer dan Sistem Informasi, 11(2). DOI: https://doi.org/10.24912/jiksi.v11i2.26015.
Hasibuan, L. S., & Novialdi, Y. (2022). Prediksi Harga Minyak Goreng Curah dan Kemasan Menggunakan Algoritme Long Short-Term Memory (LSTM). Jurnal Ilmu Komputer dan Agri-Informatika, 9(2), 149-157. https://doi.org/10.29244/jika.9.2.149-157.
Sholeh, M. A. (2022). Perbandingan Model LSTM dan GRU untuk Memprediksi Harga Minyak Goreng di Indonesia. EDUSAINTEK: Jurnal Pendidikan, Sains dan Teknologi, 9(3), 800-811. DOI: https://doi.org/10.47668/edusaintek.v9i3.593.
Adi, R. M. S., & Sudianto, S. (2022). Prediksi Harga Komoditas Pangan Menggunakan Algoritma Long Short-Term Memory (LSTM). Building of Informatics, Technology and Science (BITS), 4(2), 1137-1145. DOI: https://doi.org/10.47065/bits.v4i2.2229.
Cahyani, J., Mujahidin, S., & Fiqar, T. P. Implementasi Metode Long Short Term Memory (LSTM) untuk Memprediksi Harga Bahan Pokok Nasional. JUSTIN (Jurnal Sistem dan Teknologi Informasi), 11(2), 346-357. DOI: http://dx.doi.org/10.26418/justin.v11i2.57395.
Ivan, E., & Purnomo, H. D. (2022). FORECASTING PRICES OF FERTILIZER RAW MATERIALS USING LONG SHORT TERM MEMORY. Jurnal Teknik Informatika (Jutif), 3(6), 1663-1673. DOI: https://doi.org/10.20884/1.jutif.2022.3.6.433.
Riyantoko, P. A., Fahruddin, T. M., Hindrayani, K. M., & Safitri, E. M. (2020, December). Analisis Prediksi Harga Saham Sektor Perbankan Menggunakan Algoritma Long-Short Terms Memory (Lstm). In Seminar Nasional Informatika (SEMNASIF) (Vol. 1, No. 1, pp. 427-435).
Karno, A. S. B. (2020). Prediksi Data Time Series Saham Bank BRI Dengan Mesin Belajar LSTM (Long ShortTerm Memory). Journal of Informatic and Information Security, 1(1). DOI: https://doi.org/10.31599/jiforty.v1i1.133.
Rizkilloh, M. F., & Widiyanesti, S. (2022). Prediksi Harga Cryptocurrency Menggunakan Algoritma Long Short Term Memory (LSTM). Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 6(1), 25-31. DOI: https://doi.org/10.29207/resti.v6i1.3630.
Alim, M. N. (2023, March). Pemodelan Time Series Data Saham LQ45 dengan Algoritma LSTM, RNN, dan Arima. In PRISMA, Prosiding Seminar Nasional Matematika (Vol. 6, pp. 694-701).
Julian, R., & Pribadi, M. R. (2021). Peramalan harga saham pertambangan pada bursa efek indonesia (BEI) menggunakan long short term memory (LSTM). JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 8(3), 1570-1580. DOI: https://doi.org/10.35957/jatisi.v8i3.1159.
Titus, T. K., & Jajuli, M. (2022). Clustering Data Kecelakaan Lalu Lintas di Kecamatan Cileungsi Menggunakan Metode K-Means. Generation Journal, 6(1), 1-12. https://doi.org/10.29407/gj.v6i1.16103.
Handayani, N. P. R., Utami, N. W., & Putri, I. G. A. P. D. (2023, April). Prediksi Financial Distress Pada Perusahaan Yang Terdaftar Di Bursa Efek Indonesia Menggunakan Algoritma Decision Tree. In Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) (Vol. 1, No. 1, pp. 53-59). DOI: https://doi.org/10.31284/p.snestik.2023.4102.
Prabiantissa, C. N. (2021, June). Klasifikasi pada Dataset Penyakit Hati Menggunakan Algoritma Support Vector Machine, K-NN, dan Naïve Bayes. In Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) (Vol. 1, No. 1, pp. 263-268). DOI: https://doi.org/10.31284/p.snestik.2021.1818.
Adams, F., Anggoro, R., Satria, M., Oktavia, A., & Chamidah, N. (2021). PERBANDINGAN NORMALISASI DATA UNTUK KLASIFIKASI WINE MENGGUNAKAN ALGORITMA NAÏVE BAYES, DECISSION TREE, DAN SUPPORT VECTOR MACHINE. In Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya (Vol. 2, No. 2, pp. 260-268).
Sholeh, M., Andayati, D., & Rachmawati, R. Y. (2022). DATA MINING MODEL KLASIFIKASI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DENGAN NORMALISASI UNTUK PREDIKSI PENYAKIT DIABETES. TeIKa, 12(02), 77-87. https://doi.org/10.36342/teika.v12i02.2911.
Della, N. L. W. A., Diaz, R. A. N., & Novianti, K. D. P. (2021). Penerapan Metode Regresi Linier untuk Memprediksi Permohonan ITAS. Jurnal Eksplora Informatika, 10(2), 92-100. DOI https://doi.org/10.30864/eksplora.v10i2.380.
Muzakki, M. A., Sabila, M. A., Sundari, S., & Wisnuadhi, B. (2021, September). Analisis Algoritma Prophet untuk Memprediksi Harga Pangan di Kota Bandung. In Prosiding Industrial Research Workshop and National Seminar (Vol. 12, pp. 659-664).