Sistem Peramalan Harga Telur Ayam di Provinsi Jawa Timur Menggunakan Metode LSTM dan GRU

Abstract

Harga telur ayam merupakan komoditas pangan yang sering mengalami fluktuasi di Provinsi Jawa Timur akibat pengaruh harga Day Old Chick (DOC), harga pakan ternak, dan pasokan telur ayam. Kondisi tersebut menyebabkan perlunya sistem peramalan yang akurat untuk membantu produsen dan konsumen dalam memprediksi harga. Penelitian ini menggunakan metode deep learning yaitu Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) dengan pendekatan rekursif dan non-rekursif untuk meramalkan harga telur ayam di Provinsi Jawa Timur. Penelitian bertujuan membandingkan performa LSTM dan GRU serta mengimplementasikan model terbaik ke dalam sistem berbasis website. Data yang digunakan merupakan data historis periode 2020-2025 yang diperoleh dari website SIMPONI-Ternak dan Badan Pusat Statistik (BPS). Tahapan penelitian meliputi preprocessing data, pembagian data training, validation, dan testing, pembangunan model menggunakan Keras dan TensorFlow, serta hyperparameter tuning dengan Bayesian Optimization. Evaluasi model dilakukan menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE).