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
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.
Tidak tersedia versi lain