Penerapan Algoritma LSTM Untuk Prediksi Harga Bahan Pangan Di Pamekasan
Keywords:
prediksi harga pangan, LSTM, time series, MinMaxScaler, MAPE, Kabupaten Pamekasan.Abstract
Harga bahan pangan merupakan salah satu elemen penting dalam kehidupan masyarakat, terutama
di daerah agraris seperti Kabupaten Pamekasan, Madura. Penelitian ini bertujuan untuk
mengembangkan model prediksi harga bahan pangan berbasis algoritma LSTM yang mampu
memberikan proyeksi harga secara akurat, sehingga dapat mendukung perumusan kebijakan
stabilisasi harga. Metode yang digunakan meliputi preprocessing data (penanganan missing values,
normalisasi MinMaxScaler), pembagian dataset (80:20), dan evaluasi menggunakan MAPE,
RMSE, dan R² menunjukkan hasil bervariasi: komoditas stabil (Minyak Goreng, Beras Premium)
mencapai akurasi tinggi (MAPE 0.53–0.81%), sementara komoditas volatil (cabai)
mempertahankan R² >0.90 meski MAPE 7.29–7.39%. Prediksi 30 hari mengindikasikan kenaikan
harga Beras Medium (menuju Rp12.670/kg) dan penurunan Cabai Rawit Merah (hingga
Rp45.000/kg). Implikasi penelitian menyediakan dasar kebijakan stabilisasi harga bagi pemerintah
dan panduan pengelolaan stok bagi pelaku usaha, dengan rekomendasi pengembangan melalui
integrasi variabel eksternal dan validasi real-time data lokal.
