ANALISIS KOMPARATIF MODEL ARIMA DAN LSTM UNTUK PREDIKSI HARGA BERAS NASIONAL

• RANGGA DEWANTO PUTRA
• 2025

---

Prediksi harga beras memiliki peran penting dalam menjaga stabilitas ekonomi dan ketahanan pangan nasional. Penelitian ini membandingkan kinerja dua model peramalan deret waktu, yaitu Autoregressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM), dalam memprediksi harga beras nasional Indonesia. Data yang digunakan berupa harga beras bulanan dari 5 kabupaten di Jawa Barat, yaitu kabupaten Bandung, Ciamis, Cianjur, Sukabumi, dan Tasikmalaya dari Januari 2021 hingga Mei 2025 yang diperoleh dari Badan Pusat Statistik (BPS). Evaluasi kinerja dilakukan menggunakan tiga metrik utama: Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil pengujian menunjukkan bahwa model ARIMA memiliki performa lebih baik dibandingkan LSTM. Pada Kabupaten Bandung, ARIMA memperoleh nilai MAE 505.528, MAPE 4.240%, dan RMSE 619.26, sedangkan LSTM menghasilkan MAE 557.178, MAPE 4.353%, dan RMSE 663.662. Pada Kabupaten Ciamis,  ARIMA lebih unggul dengan MAE 520.698, MAPE 4.864%, dan RMSE 417.204 dibandingkan LSTM yang mencatat MAE 639.211, MAPE 5.541%, dan RMSE 833.005 Pada Kabupaten Cianjur, meskipun LSTM mencatat nilai RMSE yang sedikit lebih rendah yaitu 901.701 dibandingkan ARIMA dengan 942.650, namun secara keseluruhan ARIMA tetap lebih baik karena memiliki MAE yang lebih rendah 668.716 dibandingkan LSTM 736.179 serta MAPE yang juga lebih kecil 5.020% berbanding 5.537. Pada Kabupaten Sukabumi, ARIMA memberikan MAE 514.811, MAPE 4.652%, dan RMSE 408.585, sedangkan LSTM menghasilkan nilai yang jauh lebih tinggi dengan MAE 846.323, MAPE 6.852%, dan RMSE 1033.144. Demikian pula pada Kabupaten Tasikmalaya, ARIMA kembali unggul dengan MAE 482.943, MAPE 4.207%, dan RMSE 481.233, dibandingkan LSTM yang menghasilkan MAE 690.045, MAPE 5.687%, dan RMSE 854.019. Dengan demikian, ARIMA terbukti lebih akurat dan stabil dalam memprediksi harga beras nasional berdasarkan data historis. Penelitian ini merekomendasikan penggunaan model ARIMA untuk prediksi harga komoditas sejenis, serta membuka peluang pengembangan model hybrid di masa depan.

• Prediksi harga beras
• ARIMA
• LSTM
• deret waktu
• komparatif

https://repository.bsi.ac.id/repo/67201/ANALISIS-KOMPARATIF-MODEL-ARIMA-DAN-LSTM-UNTUK-PREDIKSI-HARGA-BERAS-NASIONAL
Anda dapat membaca file tugas akhir ini di repository.