<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="163949">
 <titleInfo>
  <title>PERAMALAN HARGA GULA PASIR DI KOTA BANDA ACEH MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>MUHAMMAD ICHSAN HUSADA</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Harga gula pasir di Kota Banda Aceh, sebagai komoditas pangan strategis, mengalami fluktuasi yang berdampak pada stabilitas ekonomi dan ketahanan pangan. Penelitian ini bertujuan meramalkan harga gula pasir menggunakan metode Long Short-Term Memory (LSTM) untuk mendukung perencanaan logistik dan pengambilan kebijakan berbasis data. Data harga harian dari Pusat Informasi Harga Pangan Strategis Nasional (PIHPS) periode 3 Januari 2022 hingga 31 Maret 2025, sebanyak 1.250 observasi, diolah melalui prapemrosesan, normalisasi dengan Min-Max Scaling, dan pembagian data pelatihan-pengujian (80:20). Model LSTM dirancang dengan tiga lapisan (100-100-50 unit), dioptimalkan menggunakan algoritma Adam, dan dievaluasi dengan metrik Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Mean Squared Error (MSE). Hasil evaluasi menunjukkan performa unggul dengan RMSE=0.13, MAE=0.10, dan MSE=0.02. Peramalan jangka pendek (18–30 April 2025) menghasilkan harga Rp16.300–Rp16.800, sedangkan proyeksi jangka panjang (April 2025–April 2026) memprediksi kenaikan hingga Rp19.366, mencerminkan pola musiman. Model diintegrasikan ke dalam dashboard interaktif berbasis Streamlit untuk visualisasi real-time, memudahkan analisis oleh pemangku kepentingan. Penelitian ini merekomendasikan pengembangan model dengan memasukkan variabel seperti inflasi dan kebijakan impor serta penerapan pada komoditas pangan lain untuk memperkuat sistem prediksi harga.&#13;
&#13;
Kata kunci: Peramalan harga, Long Short-Term Memory, gula pasir, deret waktu, dashboard, ketahanan pangan.&#13;
</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>163949</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-07-21 10:49:46</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-07-21 11:18:09</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>