FORECASTING HARGA DAGING AYAM RAS MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN SARIMA DI JAWA TIMUR

Dwi Septiajayanti; Freya Enggrayni; Yuana Istiqomah Dwi K; Eko Hardiyanto

doi:10.46576/djtechno.v6i3.7877

FORECASTING HARGA DAGING AYAM RAS MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN SARIMA DI JAWA TIMUR

Dwi Septiajayanti, Freya Enggrayni, Yuana Istiqomah Dwi K, Eko Hardiyanto

Abstract

Penelitian ini bertujuan untuk memprediksi harga daging ayam ras di Provinsi Jawa Timur sebagai upaya mendukung ketahanan pangan dan perumusan kebijakan yang responsif terhadap kebutuhan masyarakat. Data historis harga harian daging ayam ras periode Januari 2022 hingga Juli 2025 dikumpulkan melalui web scraping dari situs Siskaperbapo. Tahapan penelitian meliputi pengumpulan data, pembersihan dan normalisasi menggunakan Z-Score, analisis eksploratif, pemodelan menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA) dan Long Short-Term Memory (LSTM), evaluasi model dengan metrik Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE), serta implementasi forecasting. Hasil penelitian menunjukkan bahwa model SARIMA(0,0,2)(0,1,1,12) menghasilkan nilai RMSE sebesar 1.521 dan MAPE 38,6%, sedangkan model LSTM memberikan performa lebih baik dengan RMSE 0.002 dan MAPE 20,31%. LSTM mampu menangkap pola data dengan baik dan lebih akurat dibanding SARIMA, meskipun terdapat deviasi pada periode penurunan harga yang tajam. LSTM direkomendasikan sebagai metode peramalan harga daging ayam ras di Jawa Timur karena mampu memberikan hasil prediksi yang lebih presisi. Penelitian selanjutnya dapat mengembangkan pendekatan hibrida untuk meningkatkan akurasi peramalan jangka panjang.

Keywords

SARIMA, LSTM, Peramalan, Time Series, Machine Learning.

Full Text:

PDF

References

Pusat Data dan Sistem Informasi Pertanian, “Outlook Komoditas Peternakan: Daging Ayam Ras Pedaging 2024”. Jakarta: Sekretariat Jenderal Kementerian Pertanian, 2024. ISSN: 1907-1507.

Wisodewo, M. D., Rosyid, H. A., & Taufani, A. R., “Forecasting chicken meat and egg in Indonesia using ARIMA and SARIMA”. Jurnal Informatika, vol. 16, no. 1, hal. 8, 2022. doi: 10.26555/jifo.v16i1.a25416.

Abdirahman, F., Tide, V. V., Amalina, K. N., Nadvira, T., & Firman, A., "Peran Subsektor Peternakan dalam Perekonomian Jawa Timur". Mimbar Agribisnis, vol. 11, no. 1, pp. 799–804, 2025, doi: 10.25157/ma.v11i1.16479.

Fauziah & Hogeveen, "Predicting chicken-meat purchasing behaviour in traditional and modern markets in West Java, Indonesia". IOP Conference Series: Earth and Environmental Science, 2024. Doi: 10.1088/1755-1315/1377/1/012029.

Fitrimawati, F., Nurhayati, N., Indrayani, I., & Qamara, C., “The analysis of broiler price fluctuations in indonesia”. Jurnal Ilmiah Peternakan Terpadu, 12(1), 23, 2024. Doi: 10.23960/jipt.v12i1.p23-35.

Hakim, I., Sanglise, M., & Suhendra, C., “Analisis peramalan harga telur ayam ras dengan menggunakan metode sarima”. Jurnal Media Informatika Budidarma, 8(2), 966, 2024. Doi: 10.30865/mib.v8i2.7610.

Sirisha, U.M., Belavagi, M.C., & Attigeri, G.V., “Profit Prediction Using ARIMA, SARIMA and LSTM Models in Time Series Forecasting: A Comparison”. IEEE Acces, 10, 124715-124727, 2022. Doi: 10.1109/ACCESS.2022.3224938.

Falatouri, T. N., Darbanian, F., Brandtner, P., & Udokwu, C., “Predictive Analytics for Demand Forecasting – A Comparison of SARIMA and LSTM in Retail SCM”. IEEE International Symposium on Multimedia (ISM), pp. 1–6. 2021. doi: 10.1109/ISM52913.2021.00010.

Kulyk, A. B., Fokina-Mezentseva, K., Saiun, A., & Saiun, D., “Forecasting the Development of Poultry Farming Based on Time Series”. Agricultural and Resource Economics: International Scientific E-Journal, vol. 11, no. 1, 2025. Doi:10.22004/ag.econ.364301.

Kurumatani, K., “Time series forecasting of agricultural product prices based on recurrent neural networks and its evaluation method”. SN Applied Sciences, vol. 2, art. no. 1434, 2020, doi:10.1007/s42452-020-03225-9.

Afrianti, N. F. R., Badawi, A., & Muslim, “Web Scraping Senyawa Herbal di Indonesia Menggunakan Selenium Python”. Journal of Science and Social Research, vol. 7, no. 4, pp. 1362–1366, Nov. 2024, doi:10.54314/jssr.v7i4.2236.

Putra, A. P. R., & Syamsudin, N. F., “Implementasi Web Scraping untuk Pengumpulan Data pada Laman Facebook Pemerintah Provinsi NTB”. Jurnal Sistem Informasi dan Ilmu Informasi (JSII), vol. 6, no. 1, pp. 45-53, 2024, doi:10.47080/simika.v7i1.3200.

Suhadi, E., “Analisis Sentimen Aplikasi Bisa Ekspor pada Ulasan Pengguna di Google Play dengan Naïve Bayes”. JIKA (Jurnal Informatika), vol. 9, no. 1, pp. 93-101, Jan. 2025, doi:10.31000/jika.v9i1.12876.

Syaharuddin, Fatmawati, & Suprajitno, H., “Investigations on Impact of Feature Normalization Techniques for Prediction of Hydro Climatology Data Using Neural Network Backpropagation with Three Layer Hidden”. International Journal of Sustainable Development and Planning, vol. 17, no. 7, pp. 2069–2074, Nov. 2022, doi:10.18280/ijsdp.170707.

Widiastuti, E., Kusanti, J., & Sulistyowati, H., “Enhancing Recurrent Neural Network Efficacy in Online Sales Predictions with Exploratory Data Analysis”. International Journal of Advanced Computer Science and Applications (IJACSA), vol. 16, no. 2, 2025, doi:10.14569/IJACSA.2025.0160230.

Triyadi, A., Suwondo, A., Asmarajati, D., Hasanah, N., & Asnawi, M. F., “Prediksi Harga Bawang Merah Kering di Wonosobo Menggunakan Metode Long Short Term Memory”. STORAGE – Jurnal Ilmiah Teknik dan Ilmu Komputer, vol. 3, no. 2, pp. 133–138, May 2024, doi:10.55123/storage.v3i2.3601.

Widiastuti, E., Kusanti, J., and Sulistyowati, H., “Enhancing Recurrent Neural Network Efficacy in Online Sales Predictions with Exploratory Data Analysis”. International Journal of Advanced Computer Science and Applications (IJACSA), vol. 16, no. 2, 2025, doi:10.14569/IJACSA.2025.0160230.

Denashurya, N. I., “Pengembangan Model SARIMA untuk Meramalkan Produksi Tanaman Obat di Indonesia”. Jurnal Agribisnis Unisi, vol. 13, no. 2, pp. 146–154, 2024, doi:10.32520/agribisnis.v13i2.3601.

Reskianto, D., Barata, M. A., & Sahri, S., “Forecasting Metode Single Exponential Smoothing dalam Meramalkan Penjualan Barang”. Jurnal Informatika Polinema (JIP), vol. 9, no. 4, pp. 435–442, 2023, doi:10.33795/jip.v9i4.1405.

Priyadarshini, E., Preethi, E. S., Vidhya, M., Chakkravarthi, S., & Govindarajan, A., “Modeling and Forecasting Using Auto Regressive Integrated Moving Average”. AIP Conference Proceedings, vol. 2516, no. 1, p. 390001, 2022, doi:10.1063/5.0108756.

DOI: https://doi.org/10.46576/djtechno.v6i3.7877