Prediksi Harga Sembako Menggunakan Metode Gated Recurrent Unit (GRU) dan Long Short-Term Memory (LSTM)
Abstract
Fluktuasi harga sembako di Kota Merauke memerlukan metode prediksi yang akurat untuk mendukung pengambilan keputusan. Penelitian ini bertujuan untuk membandingkan kinerja metode Gated Recurrent Unit (GRU) dan Long Short-Term Memory (LSTM) dalam memprediksi harga 31 komoditas sembako menggunakan data deret waktu univariat periode 2021–2024. Data diproses melalui tahap pembersihan, normalisasi menggunakan Min-Max Scaling, dan pembentukan data dengan metode sliding window. Evaluasi model dilakukan menggunakan metrik Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa metode GRU menghasilkan tingkat akurasi yang lebih baik dibandingkan LSTM pada sebagian besar komoditas.
Kata kunci— GRU, LSTM, Prediksi Harga, Time Series, Sembako, Merauke
References
B. Sianipar and A. Nurish, “Merauke ‘Food Estate’: Alternatif Penanganan Konflik Di Papua Dalam Perspektif Ekonomi-Sosial Dan Budaya,” Intermestic J. Int. Stud., vol. 5, no. 2, p. 356, 2021, doi: 10.24198/intermestic/v5n2.10.
W. Hastomo, A. S. B. Karno, N. Kalbuana, E. Nisfiani, and L. ETP, “Optimasi Deep Learning untuk Prediksi Saham di,” … (Jurnal Edukasi dan …, vol. 7, no. 2, pp. 133–140, 2021, [Online]. Available: https://jurnal.untan.ac.id/index.php/jepin/article/view/47411
T. Handhayani, C. Tanudy, and J. Hendryli, “Prediksi Harga Emas di Indonesia Menggunakan Gated Recurrent Unit,” J. Fasilkom, vol. 13, no. 3, pp. 480–488, 2023, doi: 10.37859/jf.v13i3.6185.
M. Oni, M. Dolok Lauro, and T. Handhayani, “Prediksi Harga Pangan Kota Bandung Menggunakan Metode Gated Recurrent Unit,” J. Ilmu Komput. dan Sist. Inf., vol. 11, no. 2, pp. 1–5, 2023, doi: 10.24912/jiksi.v11i2.26014.
A. Rahmadeyan and Mustakim, “Long Short-Term Memory and Gated Recurrent Unit for Stock Price Prediction,” Procedia Comput. Sci., vol. 234, pp. 204–212, 2024, doi: 10.1016/j.procs.2024.02.167.
A. Rahmadeyan and Mustakim, “Long Short-Term Memory and Gated Recurrent Unit for Stock Price Prediction,” Procedia Comput. Sci., vol. 234, no. 1, pp. 204–212, 2024, doi: 10.1016/j.procs.2024.02.167.
S. Samsudin, A. M. Harahap, and S. Fitrie, “Implementasi Gated Recurrent Unit (Gru) Untuk Prediksi Harga Saham Bank Konvensional Di Indonesia,” JISTech (Journal Islam. Sci. Technol., vol. 6, no. 2, pp. 42–49, 2021, doi: 10.30829/jistech.v6i2.11058.
J. Kezia Halim, D. Erny Herwindiati, and J. Hendryli, “Penerapaan Gated Recurrent Unit Untuk Prediksi Zat Pencemar Udara,” J. Ilmu Komput. dan Sist. Inf., vol. 10, no. 2, 2022, doi: 10.24912/jiksi.v10i2.22540.
K. Prayogi, W. Gata, and D. P. Kussanti, “Prediksi Harga Saham Bank Central Asia Menggunakan Algoritma Deep Learning GRU,” Jutisi J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, p. 647, 2024, doi: 10.35889/jutisi.v13i1.1910.
A. Mahan Zaky, “Forecasting Jumlah Penggunaan Obat Digestive Enzymes dengan Algoritma GRU,” J. Informatics Vocat. Educ., vol. 5, no. 2, pp. 48–55, 2022, [Online]. Available: https://jurnal.uns.ac.id/joive/index
Sabar Sautomo and Hilman Ferdinandus Pardede, “Prediksi Belanja Pemerintah Indonesia Menggunakan Long Short-Term Memory (LSTM),” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, pp. 99–106, 2021, doi: 10.29207/resti.v5i1.2815.
L. Azizah and Y. L. Sukestiyarno, “Metode Genetic Algorithm-Long Short-Term Memory Pada Peramalan Harga Saham,” UNNES J. Math., vol. 11, no. 2, pp. 153–160, 2022, [Online]. Available: http://journal.unnes.ac.id/sju/index.php/ujm
K. T. Brilliansyah and U. T. Kartini, “Peramalan Jangka Sangat Pendek Daya Listrik PLTS On Grid Rumah Tinggal Menggunakan Metode Recurrent Neural Network Long Short Term Memory (RNN-LSTM) Berdasarkan Data Meteorologi,” J. Tek. Elektro, vol. 12, no. 1, pp. 60–66, 2023, doi: 10.26740/jte.v12n1.p60-66.
R. Wibowo dan L. Santoso, “Peramalan Harga Cabai Menggunakan LSTM,” Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 3, pp. 145–152, 2021.
D. K. Putra dan A. Rahman, “Implementasi GRU untuk Prediksi Harga Beras di Indonesia,” Jurnal Ilmu Komputer dan Informatika, vol. 12, no. 1, pp. 55–64, 2022.
N. Safitri, R. Ramadhan, dan F. Saputra, “Prediksi Harga Pangan Menggunakan Metode LSTM,” Jurnal RESTI, vol. 6, no. 4, pp. 813–820, 2022.
Badan Pusat Statistik (BPS), “Statistik Harga Produsen dan Konsumen Komoditas Pangan Indonesia 2023,” BPS, Jakarta, 2023.
S. Nurjannah dan A. Kurniawan, “Perbandingan Model LSTM dan GRU untuk Prediksi Harga Sayuran,” Jurnal Sistem Informasi dan Informatika, vol. 5, no. 2, pp. 101–108, 2022.
H. Fadillah dan S. Nugroho, “Penerapan Machine Learning untuk Prediksi Harga Komoditas Pasar Tradisional,” Jurnal Teknologi Informasi dan Komputer, vol. 8, no. 1, pp. 34–41, 2021.
M. R. Pratama dan D. Yuliani, “Peramalan Time Series Menggunakan Deep Learning pada Data Komoditas Holtikultura,” Jurnal Informatika UPGRIS, vol. 9, no. 2, pp. 77–84, 2023.
Badan Pangan Nasional, “Laporan Kinerja Harga Pangan Nasional Tahun 2022–2024,” Nasional Food Agency, Jakarta, 2024.
A. Wiratama dan M. Firmansyah, “Prediksi Harga Bahan Pokok Menggunakan Metode RNN-LSTM,” Jurnal Teknologi Informasi ESIT, vol. 19, no. 2, pp. 12–19, 2021.
Kementerian Perdagangan RI, “Outlook Perdagangan Komoditas Pangan 2023,” Jakarta, 2023.
K. Syahputra dan F. Kurnia, “Implementasi Deep Learning untuk Peramalan Harga Ayam Ras pada Pasar Nasional,” Jurnal SIGMA Komputer, vol. 10, no. 1, pp. 45–52, 2022.
M. P. Hermawan dan L. Rahayu, “Perbandingan Algoritma GRU dan LSTM untuk Prediksi Harga Minyak Goreng,” Jurnal Sains dan Teknologi Industri, vol. 17, no. 3, pp. 201–210, 2021.
Dinas Ketahanan Pangan Provinsi Papua Selatan, “Laporan Stabilitas Harga Sembako Papua Selatan 2022–2024,” Merauke, 2024.
R. S. Lumbantoruan dan A. Hutapea, “Peramalan Harga Komoditas Menggunakan Metode Hybrid LSTM-GRU,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 10, no. 2, pp. 233–241, 2023.
M. H. Siregar dan N. Lestari, “Analisis Time Series Harga Sembako di Indonesia Menggunakan Metode Deep Learning,” Jurnal Informatika Universitas Sumatera Utara, vol. 8, no. 1, pp. 22–30, 2022.
A. Ramdhan dan S. Fauziah, “Prediksi Harga Telur Ayam Menggunakan LSTM,” Jurnal Pilar Nusa Mandiri, vol. 17, no. 1, pp. 54–62, 2021.
Pusat Informasi Harga Pangan Strategis Nasional (PIHPS), “Ringkasan Tahunan Harga Pangan Indonesia 2021–2024,” PIHPS, Jakarta, 2024.
Putra, M. D., & Haryanto, T., “Prediksi Curah Hujan Menggunakan Long Short-Term Memory (LSTM),” Jurnal Teknologi Informasi dan Ilmu Komputer, 2020.
Suryani, D., Prasetyo, Y., & Wibowo, A., “Prediksi Harga Cabai Merah Menggunakan Metode LSTM,” Jurnal Sistem Informasi, 2021.
Wulandari, P., & Siregar, F., “Perbandingan Metode LSTM dan GRU untuk Prediksi Indeks Harga Saham,” Jurnal Teknologi dan Sistem Komputer, 2022.
