PREDIKSI INFLASI INDONESIA DENGAN METODE CONVOLUTIONAL NEURAL NETWORK DAN LONG SHORT- TERM MEMORY

Stiawan, Kadek (2023) PREDIKSI INFLASI INDONESIA DENGAN METODE CONVOLUTIONAL NEURAL NETWORK DAN LONG SHORT- TERM MEMORY. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1815091069-COVER.pdf
Download (638kB)
[img] Text (ABSTRAK)
1815091069-ABSTRAK.pdf
Download (814kB)
[img] Text (BAB 1 PENDAHULUAN)
1815091069-BAB 1 PENDAHULUAN.pdf
Download (190kB)
[img] Text (BAB 2 KAJIAN TEORI)
1815091069-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (680kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
1815091069-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (532kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMABAHASAN)
1815091069-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (393kB) | Request a copy
[img] Text (BAB 5 PENUTUP)
1815091069-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (109kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1815091069-DAFTAR PUSTAKA.pdf
Download (245kB)
[img] Text (LAMPIRAN)
1815091069-LAMPIRAN.pdf
Download (379kB)

Abstract

Meningkatnya biaya barang dan jasa yang terus-menerus dan bertambah atau memengaruhi kenaikan harga barang lainnya disebut dengan inflasi. Menurut Bank Indonesia inflasi dapat dikatakan sebagai kenaikan harga barang dan jasa secara umum dan terus menerus dalam jangka waktu tertentu. Meningkatnya harga barang dan jasa yang tidak stabil membuat ketidakpastian terhadap situasi ekonomi dimasa yang akan datang. Pengendalian inflasi menjadi penting sebagai bentuk kepedulian pemerintah dalam membantu menyusun strategi ekonomi agar perekonomian negara agar tetap berada pada nilai yang stabil. Untuk menanganani laju inflasi yang tinggi dan fluktuaktif yaitu dengan cara memprediksi laju inflasi itu sendiri. Pada penelitian ini menggunakan kombinasi metode deep learning yaitu Convolutinal Neural Network (CNN) dan Long Short-Term Memory (LSTM), dengan sebutan CNN-LSTM, yang dimana metode ini sesuai dengan karakteristik data yang bersifat time series. Alasan dalam menggunakan metode ini adalah metode CNN memiliki keunggulan dapat mengekstrak fitur dari data secara efisien, dan metode LSTM yang memiliki keunggulan fitur dalam memproses data time series. Data yang dipakai di penelitian ini adalah data inflasi bulanan kelompok pengeluran Indonesia dari bulan Januari 2014 sampai Desember 2022, data didapatkan dari Badan Pusat Statistik. Dimana pada data inflasi tahun 2014 hingga 2019 memiliki 7 variabel dan data inflasi tahun 2020 hingga 2022 memiliki 11 variabel, masing-masing data akan dilakukan prediksi terpisah dikarenakan perbedaan variabel. Hasil dari hasil pengujian beberapa konfigurasi model didapat hasil terbaik dari model dengan konfigurasi batch size 9 dan learning rate 0.001 dengan nilai RMSE 0.0151. Hasil pengujian ini menghasilkan bahwa model CNN-LSTM dapat digunakan untuk prediksi inflasi dengan hasil terbaik. Metode prediksi ini tidak hanya memberikan ide penelitian baru untuk prediksi inflasi tetapi juga memberikan pengalaman praktis bagi para peneliti lain untuk mempelajari data time series.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Prediksi, Inflasi, deep learning, Convolutional Neural Network, Long Short-Term Memory, time series.
Subjects: T Technology > T Technology (General)
T Technology > TN Mining engineering. Metallurgy
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1)
Depositing User: Kadek Dwi Stiawan
Date Deposited: 27 Jul 2023 05:55
Last Modified: 27 Jul 2023 05:55
URI: http://repo.undiksha.ac.id/id/eprint/17209

Actions (login required)

View Item View Item