Text
Prediksi Harga Jual Kakao dengan Metode Long Short-Term Memory Menggunakan Metode Optimasi Root Mean Square Propagation dan Adaptive Moment Estimation dilengkapi GUI Rshiny in
Kakao merupakan komoditas ekspor unggulan dari Indonesia. Harga kakao dari waktu ke
waktu mengalami fluktuasi. Prediksi harga Kakao yang akurat sangat penting untuk memastikan
harga di masa depan dan membantu pengambilan keputusan. Data harga kakao bersifat
nonstasioner dan nonlinier, maka untuk membuat prediksi yang akuratditerapkan model Artificial
Neural Network (ANN). Salah satu jenis dari ANN adalah Long Short-Term Memory (LSTM)
yang. LSTM memiliki kinerja unggul untuk prediksi berbasis time series. Metode Optimasi
digunakan adalah Root Mean Square Propagation, dan Adaptive Moment Estimation. Model
terbaik dipilih berdasarkan nilai Means Square Error (MSE) dan Mean Absolute Percentage Error
(MAPE). Penelitian ini menggunakan GUI R-Shiny untuk mempermudah penggunaan LSTM bagi
pengguna yang kurang menguasai bahasa pemrograman. Berdasarkan hasil, model Long ShortTerm Memory dengan metode optimasi Adaptive Moment Estimation lebih optimal dibandingkan
Long Short-Term Memory dengan Root Mean Square Propagation dilihat dari nilai MSE dan nilai
MAPE yang lebih kecil. Penelitian ini menggunakan 27 kombinasi hyperparameter. Hasil prediksi
dengan LSTM menggunakan GUI R-Shiny memiliki tingkat akurasi yang berbeda pada setiap
percobaan. Nilai akurasi yang terbaik adalah percobaan dengan nilai MSE sebesar 491505,1 dan
nilai MAPE sebesar 1,739155 % . Peramalan Harga Kakao untuk periode November sampai
Desember 2021 cenderung mengalami penurunan.
Kata Kunci : Harga Kakao, Peramalan, Long Short-Term Memory, Root Mean Square
Propagation, Adaptive Moment Estimation, GUI R-Shiny
944E2022 | 944 E 2022 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain