PREDIKSI HARGA PANGAN HORTIKULTURA MENGGUNAKAN VMD-LSTM DAN OPTIMASI PSO

Tanjung, Mutiq Anisa (2025) PREDIKSI HARGA PANGAN HORTIKULTURA MENGGUNAKAN VMD-LSTM DAN OPTIMASI PSO. Undergraduate thesis, UNIVERISTAS PEMBANGUNAN NASIONAL "VETERAN" JAWA TIMUR.

	Text Cover.pdf Download (407kB)
	Text BAB 1.pdf Download (20kB)
	Text BAB 2.pdf Restricted to Repository staff only until 18 June 2027. Download (478kB)
	Text BAB 3.pdf Restricted to Repository staff only until 18 June 2027. Download (409kB)
	Text BAB 4.pdf Restricted to Repository staff only until 18 June 2027. Download (1MB)
	Text BAB 5.pdf Download (9kB)
	Text DAFTAR PUSTAKA.pdf Download (162kB)

Abstract

Penelitian ini mengembangkan model prediksi harga komoditas hortikultura bawang merah, bawang putih, cabai merah, dan cabai rawit dengan mengintegrasikan metode Variational Mode Decomposition (VMD), Long ShortTerm Memory (LSTM), dan Particle Swarm Optimization (PSO). Ketiga metode ini saling melengkapi dalam meningkatkan akurasi prediksi. VMD memecah pola kompleks menjadi komponen sederhana, mengurangi noise, dan meningkatkan kualitas data input. LSTM memanfaatkan data hasil dekomposisi untuk menangkap hubungan temporal dan pola non-linear, sementara PSO digunakan untuk mengoptimalkan parameter VMD dan LSTM. Hasil penelitian menunjukkan bahwa model yang diterapkan pada semua komoditas mencapai nilai MAPE di bawah 1,4% dan nilai R² lebih dari 0,98, menunjukkan akurasi prediksi yang sangat baik. Scatter plot antara harga prediksi dan aktual menunjukkan korelasi yang kuat, meskipun ada sedikit penyimpangan pada beberapa titik. Penerapan VMD memberikan dampak positif signifikan, terutama pada komoditas dengan volatilitas tinggi seperti cabai merah dan cabai rawit, dengan meredam noise dan lonjakan harga ekstrem. Model VMD-LSTM-PSO terbukti unggul dibandingkan metode lainnya dalam meningkatkan akurasi. Pendekatan ini menawarkan wawasan berharga bagi petani dan pembuat kebijakan, serta berpotensi menjadi alat pendukung keputusan yang efektif di sektor agribisnis.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Sari, Anggraini Puspita	NIDN0716088605	anggraini.puspita.if@upnjatim.ac.id
Thesis advisor	Junaidi, Achmad	NIDN0019067008	achmadjunaidi.if@upnjatim.ac.id

Subjects:

T Technology > T Technology (General)

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Mutiq Anisa Tanjung

Date Deposited:

19 Jun 2025 02:08

Last Modified:

19 Jun 2025 02:08

URI:

https://repository.upnjatim.ac.id/id/eprint/38548