Implementasi Recurrent Neural Network GRU Dalam Menentukan Harga Ayam Di Jawa Timur

Fluktuasi harga yang signifikan menjadi tantangan serius bagi peternak, pedagang dan konsumen. Ketidakpastian harga ini berdampak pada stabilitas ekonomi peternak dan akses masyarakat terhadap sumber protein. Permasalahan ini juga mempengaruhi keberlanjutan industri peternakan ayam di Jawa Timur. Dalam menanggapi masalah fluktuasi harga ayam, penelitian ini menerapkan Metode Gated Recurrent Unit (GRU) dalam memprediksi harga ayam dimasa mendatang. Prosesnya dimulai dengan pengumpulan dataset historis harga ayam dari wilayah Jawa Timur. Setelah itu, dilakukan proses pelatihan (training) model GRU menggunakan data tersebut untuk meningkatkan akurasi prediksi. Evaluasi model dilakukan menggunakan metrik seperti RMSE, MAPE, dan Akurasi untuk memastikan validitas dan kinerja model. Hasil penelitian menunjukkan bahwa model GRU memberikan prediksi harga ayam dengan tingkat akurasi yang memuaskan sebesar 99,72%. Metrik evaluasi seperti RMSE dan MAPE menunjukkan bahwa model ini mampu memberikan prediksi yang dekat dengan nilai aktual, sementara tingkat akurasi model juga mencerminkan kemampuannya dalam memberikan estimasi yang baik.