ABSTRAK
Penelitian ini bertujuan untuk memprediksi harga pangan di Kota Palembang
dengan menggunakan metode Long Short Term Memory (LSTM) dalam deep
learning. Penelitian ini dilatarbelakangi oleh pentingnya ketahanan pangan di
Indonesia dan kebutuhan akan informasi harga pangan yang akurat dan real-time.
Data yang digunakan mencakup harga rata-rata bulanan beras, minyak goreng, dan
cabai merah dari Dinas Perdagangan Provinsi Sumatera Selatan selama periode
2021-2023. Data ini diolah menggunakan metode data mining dengan teknik
Knowledge Discovery in Database (KDD) dan dinormalisasi menggunakan minmax scaler. Setelah praproses data, data dibagi menjadi 90% data pelatihan dan
10% untuk pengujian. Model LSTM dilatih menggunakan algoritma optimasi
Adam dengan parameter terbaik, yaitu 10 neuron dan 50 epoch. Hasil pengujian
menunjukkan bahwa model ini mampu memberikan prediksi yang akurat dengan
nilai Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE) yang
rendah. Prediksi menunjukkan tren kenaikan harga yang stabil untuk beras, cabai
merah, dan minyak goreng sepanjang tahun 2024. Implementasi Graphical User
Interface (GUI) dengan Google Colaboratory memudahkan pengguna dalam
memasukkan data dan melihat hasil prediksi dalam bentuk grafik dan tabel.
Penelitian ini menyimpulkan bahwa penerapan LSTM dalam prediksi harga pangan
dapat memberikan wawasan yang komprehensif mengenai dinamika pasar,
memungkinkan penerapan kebijakan yang lebih efektif, dan memberikan manfaat
langsung bagi masyarakat serta para pemangku kepentingan. Meskipun hasil
prediksi menunjukkan kestabilan harga, masih ada ruang untuk peningkatan akurasi
model di masa depan.
Kata kunci: Data Mining, Deep Learning, Long Short Term Memory (LSTM),
Prediksi, Harga Pangan.