PREDIKSI HARGA PANGAN DI PASAR TRADISIONAL KOTA MEDAN DENGAN METODE LONG SHORT-TERM MEMORY

Harga pangan di pasar tradisional Kota Medan sering mengalami fluktuasi yang berdampak pada daya beli masyarakat dan kestabilan ekonomi. Fluktuasi ini dipengaruhi oleh berbagai faktor seperti cuaca, musim panen, distribusi logistik, permintaan pasar, dan kebijakan pemerintah. Penelitian ini bertujuan membangun model prediksi harga pangan menggunakan metode Long Short-Term Memory (LSTM), yang efektif untuk menganalisis data deret waktu. Data harian enam komoditas pangan, yaitu beras, daging ayam, telur ayam, cabai merah, bawang merah, dan bawang putih diambil dari PIHPS Nasional https://www.bi.go.id/hargapangan/. Proses penelitian mengikuti tahapan metodologi Knowledge Discovery in Databases (KDD), mulai dari seleksi data, preprocessing dan transformasi data, pemodelan, hingga evaluasi hasil. Evaluasi dilakukan menggunakan MAE, RMSE, dan R-squared. Hasil menunjukkan performa terbaik pada beras (MAE: 50.1552; RMSE: 27.0378; R²: 0.9958) dan terendah pada cabai merah (MAE: 5973.9725; RMSE: 3284.7983; R²: 0.8451), dengan komoditas lain tetap menunjukkan akurasi yang tinggi (R² > 0.96). Hasil ini menunjukkan bahwa model LSTM dapat memberikan kontribusi signifikan dalam mendukung pengambilan keputusan terkait stabilisasi harga pangan.