OPTIMASI LONG SHORT-TERM MEMORY UNTUK PENIGKATAN AKURASI (STUDI KASUS PADA PREDIKSI HARGA BAHAN PANGAN DI INDONESIA)

Proposal
NIM: 1217050001
Year: 2025

Description

Penelitian ini berjudul "Optimasi Long Short-Term Memory untuk Peningkatan Akurasi (Studi Kasus pada Prediksi Harga Bahan Pangan di Indonesia)" yang bertujuan untuk mengembangkan dan mengoptimalkan algoritma Long Short-Term Memory (LSTM) dalam memprediksi harga bahan pangan di Indonesia. Fokus utama dari penelitian ini adalah mengkaji sejauh mana akurasi prediksi LSTM dapat ditingkatkan ketika algoritma tidak hanya menggunakan data historis (time series) harga bahan pangan, tetapi juga diperkuat dengan data eksternal seperti informasi cuaca bulanan. Pendekatan ini dilakukan sebagai bentuk pengembangan terhadap riset-riset sebelumnya yang cenderung hanya memanfaatkan data harga masa lalu tanpa mempertimbangkan pengaruh faktor lingkungan lainnya. Dengan studi kasus berbasis data dari Badan Pangan Nasional dan integrasi data cuaca dari sumber terpercaya, penelitian ini diharapkan dapat memberikan kontribusi nyata dalam bidang data science terapan khususnya untuk ketahanan pangan, serta menjadi acuan bagi pengambilan keputusan strategis dalam distribusi dan stabilisasi harga pangan di Indonesia.