Evaluasi Kinerja Model Long Short-Term Memory Pada Prediksi Produksi Bawang Merah Kabupaten Brebes

Abstrak

Produksi bawang merah merupakan komoditas hortikultura penting yang berkontribusi terhadap ketahanan pangan dan perekonomian daerah, khususnya di Kabupaten Brebes sebagai salah satu sentra produksi terbesar di Indonesia. Fluktuasi produksi akibat perubahan kondisi cuaca dan faktor pertanian menyebabkan perlunya metode prediksi yang akurat. Penelitian ini bertujuan mengevaluasi kinerja metode Long Short-Term Memory (LSTM) dalam memprediksi produksi bawang merah di Kabupaten Brebes. Data yang digunakan meliputi produksi, luas panen, curah hujan, dan suhu periode 2016–2025 sebanyak 1.288 data. Tahapan penelitian meliputi preprocessing data, feature engineering, normalisasi menggunakan Min-Max Scaling, pembentukan model LSTM, dan evaluasi menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), serta koefisien determinasi (R²). Model LSTM dibangun dengan dua lapisan LSTM berukuran 64 dan 32 neuron, dropout 0,2, serta satu dense layer berukuran 16 neuron. Hasil pengujian menunjukkan nilai MAE sebesar 9.478,55 kuintal, RMSE sebesar 15.763,86 kuintal, dan R² sebesar 0,8990. Hasil tersebut menunjukkan bahwa model mampu menjelaskan 89,90% variasi data produksi sehingga metode LSTM memiliki kinerja yang sangat baik dan berpotensi digunakan sebagai pendukung pengambilan keputusan dalam perencanaan produksi bawang merah di Kabupaten Brebes.