DETAIL KOLEKSI

Prediksi harga minyak goreng kemasan bermerk 1 (kg) dengan menggunakan metode long short term memory

Oleh : Riska Putri Pratiwi

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2023

Pembimbing 1 : Deddy Sugiarto

Pembimbing 2 : Syandra Sari

Subyek : Cooking (Coconut oil)

Kata Kunci : prediction, long short term memory

Status Posting : Published

Status : Tidak Lengkap

File Repositori
No. Nama File Hal. Link
1. 2023_TA_TIF_064001900029_Halaman-Judul.pdf
2. 2023_TA_TIF_064001900029_Lembar-Pengesahan.pdf
3. 2023_TA_TIF_064001900029_Bab-1_Pendahuluan.pdf
4. 2023_TA_TIF_064001900029_Bab-2_Tinjauan-Pustaka.pdf
5. 2023_TA_TIF_064001900029_Bab-3_Metodologi-Penelitian.pdf
6. 2023_TA_TIF_064001900029_Bab-4_Analisis-dan-Pembahasan.pdf
7. 2023_TA_TIF_064001900029_Bab-5_Kesimpulan.pdf
8. 2023_TA_TIF_064001900029_Daftar-Pustaka.pdf

M Minyak goreng adalah salah satu komoditas yang termasuk ke dalam sembilan bahan pangan pokok yang menyangkut kesejahteraan masyarakat. Tingginya harga minyak yang beredar dipasaran saat ini menjadi sebuah kendala bagi beberapa masyarakat terutama bagi pelaku usaha kuliner. Terdapat Salah satu kota yang mengalami dampak dari lonjakan harga minyak goreng kemasan ini, yaitu adalah Kota Bandung. Untuk mengantisipasi harga minyak goreng kemasan tetap dalam batas wajarnya, maka perlu dilakukan suatu pendekatan oleh Pemerintah, diantaranya yaitu dengan melakukan prediksi harga minyak goreng kemasan bermerk. Metode yang dapat digunakan untuk melakukan prediksi antara lain metode Long Short Term Memory. Pada penelitian ini penulis akan menjalankan metode Long Short Term Memory untuk melakukan prediksi harga minyak goreng dengan data dari website https://www.bi.go.id/hargapangan yaitu data harga minyak goreng di Kota Bandung. Hasil prediksi terbaik memiliki nilai RMSE 309.83 untuk train dan 377.07 untuk test, sedangkan MAE memiliki nilai 113.45 untuk train dan 228.11 untuk test.

C Cooking oil is one of the commodities that are included in the nine basic food ingredients that concern people's welfare. The high price of oil circulating in the market is currently an obstacle for some people, especially for culinary entrepreneurs. There is one city that has experienced the impact of this increase in the price of packaged cooking oil, namely the city of Bandung. To anticipate the price of packaged cooking oil to remain within reasonable limits, it is necessary to take an approach by the Government, including by predicting the price of branded packaged cooking oil. Methods that can be used to make predictions include the Long Short Term Memory method. In this study, the authors will use the Long Short Term Memory method to predict cooking oil prices using data from the website https://www.bi.go.id/hargapangan, namely cooking oil price data in the city of Bandung. The best prediction results have an RMSE value of 309.83 for train and 377.07 for test, while MAE has a value of 113.45 for train and 228.11 for test

Koleksi Terkait (Kata Kunci = 26 Judul)

Model dan prediksi distorsi tengangan pada sistem distribusi akibat beban non linear
FTI - Usakti
Prediksi pasien terkena penyakit jantung menggunakan metode support vector machine 1.8
FTI - Usakti
Analitik prediktif harga rumah menggunakan algoritma multiple linear regression di kota bogor studi kasus website rumah.123.com
FTI - Usakti
Analisis deskriptif penerapan kecerdasan buatan, prediksi integritas, kinerja keuangan, dan ukuran perusahaan di perbankan indonesia dan singapura tahun 2021 - 2023.
FEB - Usakti
Prediksi nilai tukar usd terhadap idr menggunakan metode long short-term memory (lstm)
FTI - Usakti
Analisis pengaruh rasio keuangan dan prediksi kebangkrutan terhadap opini audit 3.7
FEB - Usakti
Analisis pengaruh rasio keuangan dan prediksi kebangkrutan terhadap opini audit pada perusahaan manufaktur
FEB - Usakti
Optimasi produksi lapangan gas X dengan integrasi simulasi reservoir dan jaringan pemipaan
FTKE - Usakti
Aplikasi prediksi analisis penjualan sepeda motor berdasarkan biaya promosi 5.0
FTI - Usakti
Prediksi kelulusan tepat waktu mahasiswa menggunakan algoritma naive bayes classifier (NBC) di jurusan teknik informatika Universitas Trisakti
FTI - Usakti
Analisis bankruptcy prediction models untuk memprediksi kepailitan (studi pada perusahaan minyak dan gas yang terdaftar di Bursa Efek Indonesia periode 2013-2016)
FEB - Usakti
Analisis pengembangan terminal penumpang Bandar Udara Radin Inten II Lampung 0.0
FTSP - Usakti
Prediksi dan optimasi laju penembusan menggunakan metode artificial neural network pada lapangan "T" 5.0
FTKE - Usakti
Rock typing dan prediksi permeabilitas shaly sand pada formasi cibulakan atas lapangan ASR
FTKE - Usakti
Penilaian formasi dan prediksi permeabilitas dengan metode hydraulic unit pada lapangan X 2.5
FTKE - Usakti
Evaluasi kapasitas terminal penumpang Bandar Udara Internasioal Juanda Surabaya 2.5
FTSP - Usakti
Prediksi harga beras menggunakan Metode Long Short Term Memory (LSTM) 2.5
FTI - Usakti
Analisis human error pada proses produksi paper pallet di PT. Kaloka Binangun 0.0
FTI - Usakti
Artificial neural network for power output prediction of organic rankine cycle power plant in Lahendong geothermal field
FTKE - Usakti
Usulan meminimasi human error pada aktivitas pengecoran pc hollow girder dengan metode sherpa dan heart
FTI - Usakti
Perancangan usulan mitigasi potensi human error pada proses produksi girder di PT. Buana Masa Metalindo
FTI - Usakti
Peramalan pasokan beras dengan menggunakan metode holt-winters dan Multi Layer Perceptron (MLP)
FTI - Usakti
Sistem prediksi tuberculosis menggunakan metode convolutional neural network
FTI - Usakti
Pengaruh prediksi kebangkrutan, pertumbuhan perusahaan, dan kualitas audit terhadap opini audit going concern.
FEB - Usakti
Prediksi harga emas menggunakan metode long short term memory
FTI - Usakti
Prediksi load jaringan 5g indoor melalui parameter upload dan download dengan pendekatan regresi
FTI - Usakti
Bagaimana Anda menilai Koleksi ini ?