Implementasi Algoritma LSTM untuk Prediksi Harga Cabai Merah Keriting di Yogyakarta

Arieska Restu Harpian  Dwika; Donny Avianto

doi:10.35870/jimik.v5i1.534

Vol. 5 No. 1 (2024) • Articles

Open Access

Implementasi Algoritma LSTM untuk Prediksi Harga Cabai Merah Keriting di Yogyakarta

Arieska Restu Harpian Dwika

Universitas Teknologi Yogyakarta

Donny Avianto

Universitas Teknologi Yogyakarta

DOI: https://doi.org/10.35870/jimik.v5i1.534

Published: January 10, 2024 Pages: 635-648

Original Full-Text Article

Download published version for reading and archiving

Download PDF

Abstract

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:

Prediction Curly Red Chili Price Time Series LSTM

Article Metrics & Downloads Graph

Monthly Download Trends:

Author Biographies

Arieska Restu Harpian Dwika Universitas Teknologi Yogyakarta

Program Studi Informatika, Fakultas Sains & Teknologi, Universitas Teknologi Yogyakarta, Kabupaten Sleman, Provinsi Daerah Istimewa Yogyakarta, Indonesia

Donny Avianto Universitas Teknologi Yogyakarta

Program Studi Informatika, Fakultas Sains & Teknologi, Universitas Teknologi Yogyakarta, Kabupaten Sleman, Provinsi Daerah Istimewa Yogyakarta, Indonesia

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

License

Creative Commons Attribution 4.0 International License (CC BY 4.0)

This is an open-access article distributed under the terms of the Creative Commons Attribution 4.0 International License .

Share: You are free to copy, distribute, and transmit the work in any medium or format.
Adapt: You are free to remix, transform, and build upon the work for any purpose, even commercially.
Attribution: You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.

Copyright & Retention: Authors retain copyright without restrictions and grant this journal the right of first publication under an open-access model. The journal retains non-exclusive publishing rights for archiving, indexing, and scholarly dissemination.

References

Total: 30 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).