Implementasi Long Short Term Memory Neural Network Untuk Prediksi Indeks Harga Perdagangan Besar

Hartini Hartini, Fitri Insani (Scopus ID: 57190404820), Novriyanto Novriyanto, Suwanto Sanjaya

Abstract


Indeks Harga Perdagangan Besar (IHPB) merupakan indikator untuk menilai perkembangan perekonomian suatu negara. Penelitian IHPB bertujuan sebagai deflator Produk Domestik Bruto untuk perkembangan ekonomi. Penelitian ini dilaksanakan dengan studi kasus IHPB Indonesia, data sekunder yang diperoleh dari situs resmi Badan Pusat Statistik (BPS) pada bulan Januari 2000 sampai bulan November 2019. Metode yang digunakan untuk memprediksi adalah Long Short Term Memory. LSTM merupakan perkembangan Jaringan syaraf tiruan algoritma deep learning Recurrent Neural Network (RNN) yang dapat mengatasi salah satu kekurangan RNN yaitu kemampuan pengelolaan informasi dalam periode lama. Dalam penelitian ini LSTM berhasil memprediksi IHPB bulan berikutnya. Pengujian terbaik pada komoditas indeks umum tanpa impor dan ekspor migas memberikan hasil  MAPE 1,1437%, MSE 0,0002, RMSE 0,0135 dengan tingkat akurasi 98,8563%.

Full Text:

PDF

References


B. P. S. BPS, “No Titleا:INDEKS HARGA PERDAGANGAN BESAR INDONESIA,” 2020.

T. Pasokawati and M. Y. Darsyah, “Analisis Peramalan Menggunakan Pemulusan Winter Dan ARIMA Pada Indeks Harga Perdagangan Besar Indonesia Kelompok Komoditi Pertanian Tahun 2016 – 2017,” Pros. Semin. Nas. Mhs. Unimus, vol. 1, no. January 2018, 2018.

Z. Zulfikar, A. Wanto, and Z. M. Nasution, “Analisis dalam Melihat Perkembangan Indeks Harga Perdagangan Besar Menurut Sektor di Indonesia Menggunakan Algoritma Backpropagation,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. November, p. 359, 2019, doi: 10.30645/senaris.v1i0.41.

S. Zahara, Sugianto, and M. Bahril Ilmiddafiq, “Jurnal resti ( Prediksi Indeks Harga Konsumen menggunakan metode Long Short Term Memory (LSTM) berbasis Cloud Computing,” vol. 1, no. 10, pp. 357–363, 2019.

A. Arfan and E. Lussiana, “Prediksi Harga Saham Di Indonesia Menggunakan Algoritma Long Short-Term Memory,” vol. 3, 2019.

S. Sen, “Prediksi Harga Beras Menggunakan Metode Long Short Term Memory (LSTM),” pp. 32–51, 2020.

M. Rizki, S. Basuki, and Y. Azhar, “Implementasi Deep Learning Menggunakan Arsitektur Long Short Term Memory Untuk Prediksi Curah Hujan Kota Malang,” vol. 2, no. 3, pp. 331–338, 2020.

Winata and Wendy, “Prakira Suhu Udara Rata-Rata Kota-Kota Besar Dunia Menggunakan Metode Long Short-Term Memory,” 2018.


Refbacks

  • There are currently no refbacks.


FAKULTAS SAINS DAN TEKNOLOGI
UIN SUSKA RIAU
Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sntiki@uin-suska.ac.id