Sistem Prediksi Harga Bawang Merah di Jawa Timur Menggunakan Pendekatan Hybrid Arima-ES-LSTM

Abstract

Bawang merah merupakan komoditas hortikultura strategis di Indonesia dengan tingkat volatilitas harga tertinggi tercatat di Provinsi Jawa Timur. Fluktuasi harga yang tinggi, bersifat nonlinier, dan dipengaruhi pola musiman menyebabkan metode peramalan tunggal kurang optimal. Penelitian ini bertujuan untuk mengevaluasi performa model Hybrid ARIMA-ES-LSTM serta mengimplementasikannya dalam sistem prediksi harga bawang merah di Jawa Timur. Data yang digunakan adalah data harian harga bawang merah dari SISKAPERBAPO Jawa Timur periode Januari 2013 hingga Desember 2025 sebanyak 4.748 observasi, dilengkapi variabel eksogen suhu dan kelembapan dari BMKG Jawa Timur. Metode Seasonal-Trend decomposition using Loess (STL) diterapkan untuk memisahkan data menjadi komponen tren, musiman, dan residual. Komponen tren dimodelkan menggunakan ARIMA, komponen musiman menggunakan Exponential Smoothing Holt-Winters aditif, dan komponen residual menggunakan Long Short-Term Memory (LSTM) dengan variabel eksogen suhu dan kelembapan. Evaluasi dilakukan pada data uji periode 2024-2025 menggunakan metrik MAE, RMSE, dan MAPE. Hasil evaluasi menunjukkan model Hybrid ARIMA-ES-LSTM dengan variabel eksogen menghasilkan performa paling unggul secara komparatif dengan MAE 4.002,61, RMSE 5.805,81, dan MAPE 11,03%, lebih unggul dibandingkan model tunggal ARIMA (MAPE 19,99%), ES (MAPE 19,46%), dan LSTM (MAPE 19,36%). Sistem diimplementasikan sebagai aplikasi web menggunakan Flask dan Laravel.