PREDIKSI HARGA CABAI MENGGUNAKAN METODE GATED RECURRENT UNIT (GRU)

Yustitia, Certa (2024) PREDIKSI HARGA CABAI MENGGUNAKAN METODE GATED RECURRENT UNIT (GRU). Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text COVER.pdf Download (186kB)
	Text ABSTRAK.pdf Download (127kB)
	Text DAFTAR ISI.pdf Download (75kB)
	Text DAFTAR PUSTAKA.pdf Download (128kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (123kB)
	Text PENGESAHAN PENGUJI.pdf Download (168kB)
	Text SKRIPSI FULL_CERTA YUSTITIA_190190093.pdf Restricted to Repository staff only Download (1MB)

Abstract

Cabai sebagai salah satu komoditas yang penting dalam perekonomian Indonesia mengalami fluktuasi harga yang signifikan. Hal ini disebabkan oleh faktor-faktor seperti produksi musiman, cuaca, biaya produksi, dan distribusi. Terbukti dengan data harga cabai yang sangat fluktuatif pada tahun 2019 hingga 2023. Sehingga, prediksi harga cabai penting untuk dilakukan guna meminimalisir resiko kerugian dari masyarakat maupun pemerintah.
Beberapa studi sebelumnya telah dilakukan menggunakan metode ARIMA, SVR, MLP, dan RNN untuk memprediksi harga cabai. Namun, metode-metode tersebut masih dinilai kurang efektif, terutama dalam memproses informasi yang panjang. Sehingga pada penelitian ini digunakan metode Gated Recurrent Unit (GRU) sebagai alternatif dimana metode ini dirancang untuk mengatasi kendala dalam mengingat informasi yang panjang.
Hasil penelitian menunjukkan bahwa GRU memberikan performa prediksi yang sangat baik, dengan nilai MAPE di bawah 10% untuk semua jenis cabai (merah besar, merah keriting, rawit hijau, dan rawit merah). Hasil pengujian yang telah dilakukan menunjukkan bahwa ukuran data window berpengaruh pada akurasi prediksi harga cabai. Selain itu, kombinasi hyperparameter yaitu hidden neuron dan epoch juga turut memberi pengaruh pada tingkat akurasi prediksi harga cabai. Nilai MAPE terendah diperoleh pada prediksi harga cabai merah besar sebesar 4.850% dengan kombinasi 512 hidden neuron dan 100 epoch. Kemudian, untuk prediksi harga cabai merah keriting didapatkan MAPE sebesar 6.434% dengan menggunakan 512 hidden neuron dan 100 epoch. Pada prediksi harga cabai rawit hijau diperoleh MAPE sebesar 7.288% dengan kombinasi 512 hidden neuron dan 150 epoch. Terakhir, diperoleh nilai MAPE terendah pada prediksi harga cabai rawit merah sebesar 6.452% dengan kombinasi 512 hidden neuron dan 150 epoch.
Kata kunci: Gated Recurrent Unit (GRU), Harga Cabai, Prediksi

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Gated Recurrent Unit (GRU), Harga Cabai, Prediksi
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	15 May 2024 08:00
Last Modified:	15 May 2024 08:00
URI:	http://eprints.upnyk.ac.id/id/eprint/39437

Actions (login required)

View Item