Pengembangan Model Prediksi Harga Daging Berbasis Deep Learning LSTM dan CNN dengan Integrasi Geopolitical Risk (GPR) Index

Sutandi, Jonathan (2026) Pengembangan Model Prediksi Harga Daging Berbasis Deep Learning LSTM dan CNN dengan Integrasi Geopolitical Risk (GPR) Index. Pro-Step Report, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (557kB)
	PDF BAB_I.pdf Download (441kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (278kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (265kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	PDF LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (52kB)

Abstract

Ketahanan pangan merupakan isu strategis nasional yang berkaitan dengan stabilitas ekonomi dan pengendalian inflasi. Fluktuasi harga daging sapi dan daging ayam dipengaruhi oleh faktor internal, seperti pola historis dan musiman, serta faktor eksternal berupa risiko geopolitik global. Penelitian ini dilaksanakan melalui PRO-STEP: Road to Champion Program pada jalur kompetisi karya tulis ilmiah dengan mengikuti INJECTION VIII dan KKTIN 2026. Penelitian bertujuan mengembangkan model prediksi harga berbasis Deep Learning menggunakan Long Short-Term Memory (LSTM) sebagai model utama dan Convolutional Neural Network (CNN 1D) sebagai model pembanding, dengan mengintegrasikan Geopolitical Risk (GPR) Index sebagai variabel eksternal. Kendala utama penelitian meliputi integrasi dataset dari berbagai sumber dan proses preprocessing data, yang diatasi melalui standarisasi data, data cleaning, normalisasi, serta eksperimen konfigurasi model. Hasil evaluasi menunjukkan bahwa model LSTM memberikan performa terbaik dengan nilai R� lebih tinggi, MAPE dan MAE lebih rendah, serta akurasi di atas 98% pada kedua komoditas dibandingkan CNN 1D. Penelitian belum lolos ke final INJECTION VIII, namun berhasil dikembangkan hingga lolos ke tahap final KKTIN 2026. Program ini juga meningkatkan kompetensi penulis dalam penelitian berbasis kecerdasan buatan, analisis data, kerja sama tim, dan komunikasi ilmiah.

Item Type:	Technical Report (Pro-Step Report)
Creators:	Sutandi, Jonathan (00000079956)
Contributors:	Irmawati, Irmawati (0805097703)
Keywords:	Deep Learning, Long Short-Term Memory (LSTM), Convolutional Neural Network (CNN), Prediksi Harga Pangan, Geopolitical Risk Index (GPR), Time Series
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	14 Sep 2026 14:56
URI:	https://kc.umn.ac.id/id/eprint/49426

Actions (login required)

View Item