Perbandingan Metode LSTM dan Random Forest Untuk Prediksi Harga Telur Ayam Ras di Kalimantan Barat

Abstract

Prediksi harga telur ayam ras di Kalimantan Barat sangat penting untuk membantu peternak, pedagang, dan pemerintah dalam pengambilan keputusan terkait distribusi, stok, dan penetapan harga. Penelitian ini bertujuan membandingkan dua metode machine learning, yaitu Long Short-Term Memory (LSTM) dan Random Forest dalam memprediksi harga telur berdasarkan data historis. Data diambil dari situs Databoks Katadata periode Maret 2024– 2025. Hasil pengujian menunjukkan bahwa Random Forest menghasilkan nilai Mean Squared Error (MSE) yang lebih rendah dibandingkan LSTM, sehingga Random Forest lebih akurat dan efektif digunakan untuk prediksi harga telur ayam ras di Kalimantan Barat.