Model Prediksi Harga Beras di Kota Bandar Lampung Menggunakan Metode Long Short-Term Memory (LSTM)
Beras sebagai pangan pokok di Indonesia sering mengalami perubahan harga yang tidak terduga dan tidak stabil, yang dapat berpotensi memicu inflasi. Oleh karena itu penelitian ini bertujuan untuk meramalkan harga beras khususnya di pasar tradisional Kota Bandar Lampung menggunakan metode Long Short-Term Memory (LSTM). Data yang digunakan berjumlah 1872 data yaitu data dari tahun 2019 hingga 2024 dengan tipe data sequence. Proses analisis data dilanjutkan preprocessing time series, termasuk imputasi data menggunakan metode Interpolasi Linear (IL), Interpolasi Spline (ISP), imputasi Last Observation Carried Forward (LOCF) dan Next Observation Carried Backward (NOCB), deteksi dan menangani outlier menggunakan MAD dengan ambang batas 3 dan window 14 serta dilakukan normalisasi. Kemudian, dilakukan pembagian data menjadi 60
URI
https://repo.itera.ac.id/depan/submission/SB2406060193
Keyword
Evaluasi Model, Harga Beras, LSTM, Prediksi Prepocessing data