Sistem Prediksi Ketersediaan Cabai Rawit Menggunakan Metode Stgcn-LSTM di Kabupaten Jember

Abstract

Skripsi berjudul “Prediksi Ketersediaan Cabai Rawit Menggunakan Metode STGCN-LSTM di Kabupaten Jember” Cabai rawit merupakan komoditas penting di Kabupaten Jember yang sering mengalami fluktuasi ketersediaan akibat faktor cuaca dan iklim. Penelitian ini bertujuan memprediksi ketersediaan cabai rawit menggunakan metode Spatio-Temporal Graph Convolutional Network–Long Short-Term Memory (STGCN-LSTM) berbasis data produksi, luas panen, produktivitas, dan curah hujan dari 31 kecamatan periode 2004–2023. Model STGCN menangkap hubungan spasial antarwilayah, sedangkan LSTM mempelajari pola temporal. Hasil evaluasi menunjukkan nilai RMSE 2,406, MAE 1,468, dan SMAPE 22,82%, menandakan model cukup akurat. Sistem berbasis web yang dibangun memudahkan visualisasi hasil prediksi untuk mendukung perencanaan distribusi dan stabilitas pasokan cabai.