Implementasi Deep Learning Untuk Menentukan Harga Buah Sawit Pada Pt. Kencana Jaya Abadi

Abstract

PT. Kencana Jaya Abadi merupakan perusahaan yang bergerak di bidang perkebunan dan pengolahan kelapa sawit, di mana prediksi harga sawit menjadi faktor penting dalam pengambilan keputusan bisnis. Penelitian ini bertujuan untuk merancang sistem prediksi harga sawit menggunakan model Long Short-Term Memory (LSTM) dengan memanfaatkan data harga sawit dari Januari 2022 hingga Desember 2024, yang terdiri dari 37 data dengan dua fitur utama. Data yang digunakan dibagi menjadi data latih sebesar 80,4% dan data uji sebesar 19,6%. Model LSTM dikembangkan menggunakan parameter terbaik, yaitu empat hidden layer, 50 neuron per hidden layer, batch size 4, maksimal 100 epoch, optimizer Adam, serta fungsi aktivasi tanh dan sigmoid. Model ini menghasilkan total 31.851 bobot (weights) dan bias yang digunakan untuk proses prediksi.Selain itu, analisis teknikal menggunakan Relative Strength Index (RSI) diterapkan untuk mengevaluasi performa model dalam memprediksi harga sawit. Akurasi model diukur berdasarkan tingkat kesalahan prediksi menggunakan Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE), di mana nilai RMSE yang diperoleh sebesar 12,07 dan MAPE sebesar 1,86%. Hasil penelitian menunjukkan bahwa model LSTM dengan parameter batch size 4 dan epoch maksimal 100 memberikan performa terbaik dalam memprediksi harga sawit, sehingga dapat menjadi acuan dalam pengambilan keputusan bisnis perusahaan.