Seminar Nasional Teknologi Informasi Komunikasi dan Industri
2022: SNTIKI 14

Implementasi Long Short Term Memory Neural Network Untuk Prediksi Indeks Harga Perdagangan Besar

Hartini Hartini (Universitas Islam Negeri Sultan Syarif Kasim Riau)
Fitri Insani (Scopus ID: 57190404820) (Unknown)
Novriyanto Novriyanto (Unknown)
Suwanto Sanjaya (Unknown)

Article Info

Publish Date
28 Nov 2022

Abstract

Indeks Harga Perdagangan Besar (IHPB) merupakan indikator untuk menilai perkembangan perekonomian suatu negara. Penelitian IHPB bertujuan sebagai deflator Produk Domestik Bruto untuk perkembangan ekonomi. Penelitian ini dilaksanakan dengan studi kasus IHPB Indonesia, data sekunder yang diperoleh dari situs resmi Badan Pusat Statistik (BPS) pada bulan Januari 2000 sampai bulan November 2019. Metode yang digunakan untuk memprediksi adalah Long Short Term Memory. LSTM merupakan perkembangan Jaringan syaraf tiruan algoritma deep learning Recurrent Neural Network (RNN) yang dapat mengatasi salah satu kekurangan RNN yaitu kemampuan pengelolaan informasi dalam periode lama. Dalam penelitian ini LSTM berhasil memprediksi IHPB bulan berikutnya. Pengujian terbaik pada komoditas indeks umum tanpa impor dan ekspor migas memberikan hasil  MAPE 1,1437%, MSE 0,0002, RMSE 0,0135 dengan tingkat akurasi 98,8563%.

Copyrights © 2022




Citation Download
RIS
EndNote, Reference Manager, ProCite
BibTex
Latex, Jabref
Original Source
Download Original
Google Scholar
Check in Google Scholar
Journal Info
Seminar Nasional Teknologi Informasi Komunikasi dan Industri
Website

Abbrev

SNTIKI

Publisher

Universitas Islam Negeri Sultan Syarif Kasim Riau

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics

Description

SNTIKI adalah Seminar Nasional Teknologi Informasi, Komunikasi dan Industri yang diselenggarakan setiap tahun oleh Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau. ISSN 2579 7271 (Print) | ISSN 2579 5406 ...