Prediksi Harga Bawang Merah di Jawa Timur menggunakan Metode Long Short Term Memory (LSTM)
Keywords:
Long Short-Term Memory (LSTM), prediksi harga, bawang merah, time series, deep learningAbstract
Bawang merah merupakan salah satu komoditas hortikultura strategis yang memiliki peran penting dalam pemenuhan kebutuhan pangan masyarakat Indonesia. Meskipun produksi bawang merah di Provinsi Jawa Timur cenderung meningkat, harga bawang merah masih mengalami fluktuasi yang cukup tinggi sehingga diperlukan metode prediksi yang mampu memodelkan pola data deret waktu secara akurat. Penelitian ini bertujuan menerapkan metode Long Short-Term Memory (LSTM) untuk memprediksi harga harian bawang merah di Provinsi Jawa Timur menggunakan data historis harga periode Januari 2015 hingga Maret 2026 yang diperoleh dari Sistem Informasi Ketersediaan dan Perkembangan Harga Bahan Pokok (SISKAPERBAPO). Model dibangun menggunakan delapan kombinasi parameter yang terdiri atas sequence length (7 dan 30 hari), hidden units (32 dan 64), serta epoch (50 dan 100) kemudian dievaluasi menggunakan MAE, RMSE, MAPE, dan R^2. Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh pada sequence length 7 hari, hidden units 64, dan epoch 100 dengan nilai MAE sebesar 227,91, RMSE sebesar 372,55, MAPE sebesar 0,65%, dan R^2 sebesar 0,9973. Selain itu, hasil prediksi selama 30 hari ke depan menunjukkan kecenderungan penurunan harga secara bertahap. Hasil tersebut menunjukkan bahwa metode LSTM mampu memodelkan pola temporal data harga bawang merah dengan tingkat akurasi yang sangat baik sehingga berpotensi mendukung pengambilan keputusan dalam memantau pergerakan harga komoditas.
References
[1] J. Irawan, W. Hadianto, I. Syafari, D. Andriani, and M. Kamal, "Penerapan Teknologi Produksi Benih Bawang Merah untuk Mewujudkan Kemandirian Kelompok Wanita Tani Makmue Beurata, Desa Gampong Ladang, Aceh Barat," Jurnal Masyarakat Mandiri dan Pembangunan (JMPM), vol. 7, no. 1, Jun. 2026, doi: 10.35311/jmpm.v7i1.1180.
[2] Pusat Data dan Sistem Informasi Pertanian, Analisis Kinerja Perdagangan Komoditas Bawang Merah, vol. 15, no. 1C. Jakarta: Sekretariat Jenderal Kementerian Pertanian Republik Indonesia, 2025.
[3] N. Apriyani, E. Andriani, and R. D. Yulihartika, "Analisis Fluktuasi Harga dan Saluran Pemasaran Bawang Merah (Alium Ceva L) di Kota Bengkulu," AGRITECH: Jurnal Fakultas Pertanian Universitas Muhammadiyah Purwokerto, vol. 23, no. 2, pp. 167-173, Dec. 2021, doi: 10.30595/agritech.v23i2.12133.
[4] Badan Pusat Statistik, "Produksi Tanaman Sayuran dan Buah-Buahan Semusim Menurut Provinsi dan Jenis Tanaman, 2025," BPS-Statistics Indonesia. [Online]. [Accessed: Jul. 5, 2026].
[5] Y. Syauqi Asy-syahid, E. S. Rahayu, and S. M. Handayani, "Analisis Tataniaga dan Disparitas Harga Komoditas Bawang Merah di Provinsi Jawa Tengah," in Prosiding Seminar Nasional dalam Rangka Dies Natalis ke-47 Universitas Sebelas Maret: Akselerasi Hasil Penelitian dan Optimalisasi Tata Ruang Agraria untuk Mewujudkan Pertanian Berkelanjutan, Surakarta, Indonesia, 2023, pp. 402-410.
[6] Dinas Perindustrian dan Perdagangan Provinsi Jawa Timur, "Sistem Informasi Ketersediaan dan Perkembangan Harga Bahan Pokok (SISKAPERBAPO)," [Online]. Available: https://siskaperbapo.jatimprov.go.id. [Accessed: Jul. 5, 2026].
[7] N. R. Sari and Y. Agustina, "Analisis Volatilitas Harga Bawang Merah di Kabupaten Kediri," Agricore: Jurnal Agribisnis dan Sosial Ekonomi Pertanian Unpad, vol. 10, no. 2, pp. 515-526, Dec. 2025, doi: 10.24198/agricore.v10i2.65263.
[8] N. M. Khoirani, R. A. S. Anees, S. F. P. Annisa, and H. A. Rusyda, "Peramalan Harga Bawang Merah di Pasar Tradisional Sulawesi Selatan dengan Metode ARIMA," Jurnal Agribisnis, vol. 24, no. 2, pp. 274-287, Dec. 2022, doi: 10.31849/agr.v24i2.8670
[9] S. Al Farisi, G. A. Buntoro, and A. Prasetyo, "Prediksi Harga Bawang Merah dengan Regresi Linear Berbasis Website di Ponorogo," Jurnal Teknik Informatika dan Sistem Informasi (JATISI), vol. 12, no. 3, pp. 61-77, Sep. 2025
[10] N. Selle, N. Yudistira, dan C. Dewi, "Perbandingan Prediksi Penggunaan Listrik dengan Menggunakan Metode Long Short Term Memory (LSTM) dan Recurrent Neural Network (RNN)," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 9, no. 1, hlm. 155-162, Feb. 2022, doi: 10.25126/jtiik.202295585
[11] M. L. Rahman, M. Hani'ah, and M. A. Hendrawan, "Hyperparameter Tuning Metode Long Short-Term Memory (LSTM) untuk Prediksi Harga Bawang Merah di Pasar Tradisional Jawa Timur," Jurnal Teknologi Informasi dan Multimedia, vol. 8, no. 2, pp. 417-430, 2026, doi: 10.35746/jtim.v8i2.976
[12] M. F. A. C. and A. M. Hilda, "Sistem Informasi Prediksi Harga Saham Bank Syariah Menggunakan Metode ARIMA dan SARIMA dengan Antarmuka Visual," Journal of Information System Research (JOSH), vol. 7, no. 2, pp. 301-310, Jan. 2026, doi: 10.47065/josh.v7i2.9026.
[13] A. H. Wibowo, K. Faisah, and Y. Devianto, "Analisa Dan Visualisasi Data Penjualan Menggunakan Exploratory Data Analysis Pada PT. Telkominfra," Jurnal Teknik Informatika dan Sistem Informasi (JATISI), vol. 9, no. 3, pp. 2292-2304, Sep. 2022
[14] R. Septiana, A. R. Putri, W. S. Maharani, G. D. Gultom, E. D. Simanullang, K. D. Tania, A. Meiriza, and A. Rifai, "Prediksi Harga Emas Indonesia Menggunakan Model CNN-LSTM," INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi, vol. 27, no. 1, pp. 131-138, Jun. 2025, doi: 10.23969/infomatek.v27i1.24417.
[15] Y. Ashari and A. Suhendar, "Implementasi Algoritma Long Short-Term Memory (LSTM) untuk Memprediksi Harga Beras di Jawa Tengah Berdasarkan Cuaca," Djtechno: Jurnal Teknologi Informasi, vol. 5, no. 3, Dec. 2024.
[16] L. Wiranda and M. Sadikin, "Penerapan Long Short Term Memory pada Data Time Series untuk Memprediksi Penjualan Produk PT. Metiska Farma," Jurnal Nasional Pendidikan Teknik Informatika, vol. 8, no. 3, pp. 184-193, Dec. 2019.
[17] N. K. Agusmawati, F. Khoiriyah, and A. Tholib, "Prediksi Harga Emas Menggunakan Metode LSTM dan GRU," Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 11, no. 3, 2023, doi: 10.23960/jitet.v11i3.3250.
