Deep Learning - model prediksi harga beras harian di Jakarta

Mengembangkan model Deep Learning berbasis arsitektur Long Short-Term Memory (LSTM) untuk memprediksi fluktuasi harga beras harian di DKI Jakarta berdasarkan data periode 2024–2025. Proses pra-pemrosesan meliputi imputation, pembentukan fitur sliding window, dan normalisasi data. Dengan konfigurasi Stacked LSTM pada framework TensorFlow, model berhasil mencatatkan tingkat akurasi tinggi dengan MAPE sebesar 2,26%, secara signifikan mengungguli performa ARIMA dan RNN dasar. Solusi ini berpotensi dimanfaatkan sebagai instrumen mitigasi volatilitas harga pangan secara proaktif.