Evaluasi Perbandingan ARIMA, LSTM, dan Model Hybrid dengan integrasi Geopolitical Risk (GPR) Index pada Prediksi Harga Daging Sapi dan Daging Ayam Nasional

Abil Farhan, Muhammad (2026) Evaluasi Perbandingan ARIMA, LSTM, dan Model Hybrid dengan integrasi Geopolitical Risk (GPR) Index pada Prediksi Harga Daging Sapi dan Daging Ayam Nasional. Pro-Step Report, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (667kB)
	PDF BAB_I.pdf Download (250kB)
	PDF BAB_II.pdf Download (374kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (303kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (272kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (807kB)
	PDF LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (52kB)

Abstract

Laporan ini merangkum pelaksanaan PRO-STEP: Road To Champion Program yang mengembangkan penelitian berbasis Artificial Intelligence untuk prediksi harga daging nasional sebagai persiapan mengikuti INJECTION VIII dan KKTIN 2026. Penelitian dilatarbelakangi pentingnya stabilitas harga pangan bagi ketahanan ekonomi nasional serta peluang penerapan machine learning dalam analisis deret waktu. Penulis membangun model Long Short-Term Memory (LSTM), mengintegrasikan Geopolitical Risk Index (GPR), dan membandingkannya dengan ARIMA serta Hybrid ARIMA-LSTM. Proses penelitian mencakup pengumpulan data, preprocessing, eksperimen model, dan evaluasi menggunakan MAE, RMSE, MAPE, serta R�. Kendala berupa keterbatasan waktu, kesalahan trial and error, dan kebutuhan pendalaman algoritma diatasi melalui studi literatur, pembelajaran mandiri, dan bimbingan supervisor. Hasil evaluasi menunjukkan model LSTM dengan GPR memberikan performa terbaik. Program ini juga meningkatkan kemampuan penelitian, kerja tim, manajemen waktu, dan penyampaian ilmiah. Temuan ini menunjukkan bahwa integrasi faktor eksternal dapat meningkatkan akurasi prediksi dan mendukung pengembangan solusi secara berbasis data untuk stabilitas pangan nasional ke depan.

Item Type:	Technical Report (Pro-Step Report)
Creators:	Abil Farhan, Muhammad (00000108434)
Contributors:	Irmawati, Irmawati (0805097703)
Keywords:	Artificial Intelligence, LSTM, ARIMA, Geopolitical Risk Index, Prediksi Harga Daging, PRO-STEP
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 14:57
URI:	https://kc.umn.ac.id/id/eprint/49438

Actions (login required)

View Item