Pertiwi, Aryka Anisa (2025) Prediksi Harga Cabai Menggunakan LSTM Berbasis Deep Learning (TA.2.25.032). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Fluktuasi harga cabai sebagai salah satu komoditas strategis di Indonesia sering kali menimbulkan ketidakstabilan ekonomi, terutama bagi masyarakat dan pelaku pasar. Penelitian ini bertujuan untuk membangun model prediksi harga cabai harian berbasis algoritma Long Short-Term Memory (LSTM) guna menangkap pola musiman dan tren jangka panjang yang kompleks dalam data historis. Proses penelitian mengikuti tahapan CRISP-DM, dimulai dari pemahaman bisnis hingga deployment model ke dalam dashboard prediksi berbasis web. Dataset diperoleh dari Pemerintah Kota Pagar Alam periode 2022–2024, dengan fitur seperti harga sebelumnya, jenis cabai, tanggal (dalam bentuk transformasi sin-cos), serta faktor eksternal seperti kondisi pasar dan faktorisasi. Model regresi LSTM yang dibangun menunjukkan performa tinggi dengan nilai R2 sebesar 0,9619, MAE sebesar 0,010078, dan RMSE sebesar 0,019808. Selain itu, model klasifikasi status harga (naik, turun, stabil) juga diimplementasikan sebagai sistem pendukung keputusan. Hasil penelitian menunjukkan bahwa pendekatan LSTM tidak hanya mampu memberikan prediksi harga yang akurat, tetapi juga dapat diakses secara real-time melalui dashboard interaktif, sehingga memberikan manfaat praktis bagi pengambil kebijakan, distributor, dan konsumen. Kata Kunci: Prediksi Harga, Cabai, Long Short-Term Memory, CRISP-DM, Deep learning, Time series
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 29 Sep 2025 05:32 |
| Last Modified: | 29 Sep 2025 05:32 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3646 |
Actions (login required)
 |
View Item |
