Penerapan Algoritma Long Short-Term Memory Dalam Prediksi Harga Bahan Pangan Nasional

Perubahan harga bahan makanan yang tidak stabil menjadi kendla dalam menjaga kescimbangan ckonomi scrta ketahanan pangan di negara ini. Tujuan dari penclitian ini adalah untuk menerapkan algoritma Long Short-Tem Memory (LSTM) dalam meramalkan harga bahan makanan nasional dengan tepat. Data yang digunakan berasal lari Bank Indonesia. yang terdiri dari infomasi hurian harga komoditas pangan dari 32 provinsi dalam lima tahun erakhir. Tahuupn penclitian mencakup preprocessing. nonalisasi, pelatihan model, serta evaluasi dengun menggunakan metrik Rot Mean Squared Error (RMSE) dan Meun Absle Percentage Emor (MAPE, Hasil evaluasi menunjukan bhatwa algornitma LSTM mampu mencapai tingkat akurasi sebesar 98.01 MAPE Sebesar 0,799%.) dan RISE schesar 0,065, yang termasuk dalam kategori sangat baik. Pencapaian ini menunjukkan hahwa LSTM angat ampuh dalam menggambarkan pola harga pangan yang dinamis dan rumit. Pnelitian ini dihaapkan menjadi sunmber acuun dalam pengembangan sistern prediksi harga pangan berbasts kecerdasarn buatan yang dapat mendukung perngambilan keputusan strategis oleh pemerintah serta pelaku industri.

Kata Kunci: Prediksi Harga, Bahan Pangan, LSTM. IDep Lcarning, RMSE. MAPE