Perbandingan metode long short-term memory dan extreme learning machine untuk memprediksi harga komoditas pangan pada pasar tradisional kota Tasikmalaya

Winata, Andry (2023) Perbandingan metode long short-term memory dan extreme learning machine untuk memprediksi harga komoditas pangan pada pasar tradisional kota Tasikmalaya. Skripsi thesis, Universitas Tarumanagara.

	Text 535190070_ANDRY_Cover.pdf Download (257kB)
	Text 535190070_ANDRY_Pengesahan.pdf Download (525kB)
	Text 535190070_ANDRY_Daftar Isi.pdf Download (484kB)
	Text 535190070_ANDRY_Bab 1.pdf Restricted to Repository staff only Download (106kB)
	Text 535190070_ANDRY_Bab 2.pdf Restricted to Repository staff only Download (270kB)
	Text 535190070_ANDRY_Bab 3.pdf Restricted to Repository staff only Download (200kB)
	Text 535190070_ANDRY_Bab 4.pdf Restricted to Repository staff only Download (1MB)
	Text 535190070_ANDRY_Bab 5.pdf Restricted to Repository staff only Download (63kB)
	Text 535190070_ANDRY_Daftar Pustaka.pdf Download (472kB)

Abstract

Salah satu kebutuhan manusia ialah kebutuhan akan pangan, pangan menjadi kebutuhan manusia yang diperlukan guna bertahan hidup. Harga pangan yang berubah tentunya akan mempengaruhi kualitas pembelian masyarakat dan seringkali kenaikan harga pangan dapat menimbulkan dampak negatif bagi banyak kalangan masyarakat terutama bagi masyarakat miskin. Berdasarkan survei pada Maret 2021, Kota Tasikmalaya merupakan kota dengan angka kemiskinan tertinggi di Provinsi Jawa Barat dengan persentase angka kemiskinan mencapai 13,13% yang menjadikannya salah satu kota yang mungkin paling berdampak bila harga komoditas mengalami kenaikan. Oleh karena itu dengan melakukan prediksi kenaikan harga pangan pada dataset yang ada akan membuat masyarakat mendapat gambaran mengenai pola harga yang diprediksi. Dengan beberapa skenario yang telah dicoba, hasil terbaik yang didapat untuk komoditas beras, daging ayam, telur ayam, bawang merah, bawang putih dan cabai merah pada algoritma LSTM yakni dengan nilai MAPE 0.238%, 1.008%, 0.677%, 1.564%, 1.087%, 2.192% dan pada ELM yakni 0.065%, 0.454%, 0.363%, 0.60%, 0.534%, 23.719%. Kata Kunci: Extreme Learning Machine, Long Short-Term Memory, Machine Learning, Prediksi, Tasikmalaya.

Item Type:	Thesis (Skripsi)
Subjects:	Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi
Divisions:	Fakultas Teknologi Informasi > Teknik Informatika
Depositing User:	TDI Family perpus
Date Deposited:	15 Sep 2023 07:18
Last Modified:	15 Sep 2023 07:18
URI:	http://repository.untar.ac.id/id/eprint/41805

Actions (login required)

View Item