• Beranda
  • Website Perpustakaan
  • Panduan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Penanda Bagikan

SKRIPSI DIGITAL

Implementasi Model LSTM dan MOBILENETV2 untuk Prediksi Harga Komoditas Pangan Berbasis Web dan Mobile di Provinsi Jawa Tengah = Implementasi Model LSTM dan MOBILENETV2 untuk Prediksi Harga Komoditas Pangan Berbasis Web dan Mobile di Provinsi Jawa Tengah

Akasha Bin Ali - Nama Orang; Slamet Handoko - Nama Orang; Kurnianingsih - Nama Orang;

Fluktuasi harga komoditas pangan di Provinsi Jawa Tengah sering terjadi secara tiba-tiba dan sulit diprediksi, sehingga menyulitkan masyarakat maupun pelaku usaha dalam melakukan perencanaan konsumsi dan pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan sistem prediksi harga delapan komoditas pangan, yaitu beras, bawang merah, bawang putih, cabai merah, cabai rawit, daging ayam, minyak goreng, dan telur ayam menggunakan model Long Short-Term Memory (LSTM), yang dilengkapi dengan fitur deteksi komoditas berbasis citra menggunakan MobileNetV2. Sistem dikembangkan menggunakan metode Waterfall dan diimplementasikan ke dalam backend Flask, dashboard website berbasis React, serta aplikasi mobile berbasis React Native. Optimasi model LSTM dilakukan menggunakan Sequential Holdout Tuning, sedangkan model MobileNetV2 dioptimalkan menggunakan Stratified 5-Fold Cross-Validation. Hasil pengujian menunjukkan bahwa delapan model LSTM menghasilkan nilai Mean Absolute Percentage Error (MAPE) terendah sebesar 0,08% pada komoditas Beras dan Minyak Goreng, sedangkan nilai MAPE tertinggi sebesar 2,10% diperoleh pada komoditas Cabai Rawit. Seluruh model termasuk dalam kategori Sangat Akurat. Model MobileNetV2 memperoleh Accuracy sebesar 95,48% dan rata-rata F1-Score sebesar 95,60%. Pengujian black-box terhadap sembilan skenario fungsional menunjukkan seluruh fungsi sistem berjalan dengan baik. Pengujian User Acceptance Testing (UAT) yang difokuskan pada platform website menunjukkan tingkat kepuasan admin sebesar 93,18% dan pengguna umum sebesar 85,24%, yang keduanya termasuk dalam kategori Sangat Baik. Hasil penelitian menunjukkan bahwa sistem PanganPredict mampu membantu masyarakat dan pelaku usaha memperoleh informasi harga serta prediksi harga komoditas pangan secara akurat, mudah diakses, dan mudah dipahami.


Fulltext
  • RK017-2026
Informasi Detail
Judul Seri
-
No. Panggil
RK 017 2026
Penerbit
Semarang : Politeknik Negeri Semarang., 2026
Deskripsi Fisik
xx, 135 hal.: illus.; 30 cm.
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
text
Tipe Media
computer
Tipe Pembawa
online resource
Edisi
-
Subjek
deep learning
LSTM
sistem berbasis website
mobilenetv2
klasifikasi citra
prediksi harga
komoditas pangan
long short-term memory
provinsi Jawa Terngah
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Akasha Bin Ali
Versi lain/terkait

Tidak tersedia versi lain

Komentar

Anda harus masuk sebelum memberikan komentar

  • Panduan
  • Area Anggota

Tentang Kami

Si-Repo adalah platform digital yang dikelola oleh UPA Perpustakaan Politeknik Negeri Semarang, menyimpan karya ilmiah seperti Tugas Akhir, Skripsi, dan Tesis dari sivitas akademika Polines, untuk mendukung kebutuhan akademik, penelitian, dan pengembangan.

Jam Buka Perpustakaan

Senin - Kamis:
07.30 - 16.00 WIB

Jum'at:
07.30 - 16.30 WIB


NPP. 3374102C0000002
0895340731030
Follow Us
Subscribe

© 2026 — Perpustakaan Politeknik Negeri Semarang

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?