Prediksi Tingkat Inflasi Kota Surabaya Berdasarkan Hasil Prediksi Harga Bahan Pokok Menggunakan Metode Long Short-Term Memory (LSTM)

Putri, Nabila Aprilia (2024) Prediksi Tingkat Inflasi Kota Surabaya Berdasarkan Hasil Prediksi Harga Bahan Pokok Menggunakan Metode Long Short-Term Memory (LSTM). Other thesis, Institut Teknologi Sepuluh Nopember.

Text ADDI_TA_5026201014_Nabila Aprilia Putri.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Inflasi adalah indikator ekonomi yang signifikan yang memengaruhi daya beli masyarakat. Bank Indonesia menyatakan bahwa inflasi adalah kenaikan harga barang dan jasa secara umum dan berkelanjutan, serta dipengaruhi oleh fluktuasi harga pasar. Penelitian sebelumnya menunjukkan bahwa beras, cabai merah, dan bawang merah memiliki dampak signifikan terhadap inflasi jangka pendek. Surabaya, sebagai kota dengan inflasi tertinggi di Jawa Timur pada Oktober 2023, memerlukan kebijakan efektif untuk mengendalikan inflasi. Oleh karena itu, prediksi harga bahan pokok dan inflasi diperlukan untuk mengantisipasi kenaikan harga dan kenaikan laju inflasi yang tidak terkendali. Penelitian ini menggunakan data historis harga mingguan bahan pokok dan laju inflasi dari Agustus 2017 sampai dengan Desember 2023 dan membandingkan performa model prediksi inflasi menggunakan metode Long Short-Term Memory (LSTM). Hasil dari penelitian ini adalah model LSTM yang dapat memprediksi tren perubahan harga bahan pokok dengan dan model LSTM multivariat yang dapat memprediksi laju inflasi secara mingguan dan memiliki RMSE sebesar 0.1854 dan MAPE 48.31%, yang lebih baik dalam memprediksi data masa depan jika dibandingkan dengan prediksi inflasi secara univariat, baik menggunakan LSTM maupun ARIMA.
=================================================================================================================================
Inflation is a significant economic indicator that affects people's purchasing power. Bank Indonesia states that inflation is a general and sustainable increase in the price of goods and services, and is influenced by market price fluctuations. Previous studies have shown that rice, red chilies, and shallots have a significant impact on short-term inflation. Surabaya, as the city with the highest inflation in East Java in October 2023, requires effective policies to control inflation. Therefore, predictions of staple food prices and inflation are needed to anticipate price increases and uncontrolled inflation rates. This study uses historical data on weekly staple food prices and inflation rates from August 2017 to December 2023 and compares the performance of inflation prediction models using the Long Short-Term Memory (LSTM) method. The results of this study are an LSTM model that can predict trends in staple food price changes and a multivariate LSTM model that can predict weekly inflation rates and has an RMSE of 0.1854 and a MAPE of 48.31%, which is better at predicting future data when compared to univariate inflation predictions, both using LSTM and ARIMA.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Harga Bahan Pokok, Inflasi, LSTM, Pembelajaran Mesin, Peramalan Multivariat, Inflation, Machine Learning, Multivariate Forecasting, Strategic Commodity Price
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T385 Visualization--Technique
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Nabila Aprilia Putri
Date Deposited:	30 Jul 2024 04:15
Last Modified:	30 Jul 2024 04:15
URI:	http://repository.its.ac.id/id/eprint/109561

Actions (login required)

View Item