[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-id-113":3,"doc-seo-126984-113":53,"doc-detail-126984-id":128},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45,49],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},55,"Document","Agama & Spiritualitas",60,"religion-spirituality",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},48,"Cerita & Novel","story-novel",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},56,"Gaya Hidup","lifestyle",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},51,"Komik","comic",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},53,"Layanan Kesehatan","healthcare",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},54,"Penelitian & Laporan","research-report",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},49,"Sastra","literature",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},52,"Teknologi","technology",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},50,"Ujian","exam",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},57,"Umum","general",{"id":50,"doc_module":4,"doc_module_name":9,"category_name":51,"show_sort_weight":4,"slug":52},181,"Formulir","formulir",{"code":4,"msg":54,"data":55},"ok",{"site_id":56,"language":57,"slug":58,"title":59,"keywords":60,"description":61,"schema_data":62,"social_meta":121,"head_meta":123,"extra_data":125,"updated_unix":127},113,"id","prediksi-volume-ekspor-udang-indeks-google-trend-dan-faktor-berpengaruh-lainnya-dengan-machine-learning","Prediksi Volume Ekspor Udang - Indeks Google Trend dan Faktor Berpengaruh Lainnya dengan Machine Learning","","Udang merupakan salah satu komoditas ekspor unggulan Indonesia pada sektor perikanan, dengan kontribusi 34,57% dari nilai ekspor perikanan tahun 2022. Untuk memantau dan mengevaluasi target pemerintah diperlukan model peramalan yang akurat. Penelitian ini meningkatkan akurasi dengan menambahkan variabel eksogen berupa indeks Google Trends, kurs rupiah, dan harga udang internasional. Model yang digunakan adalah XGBoost dan LSTM, dengan hasil MAPE 10,08% serta 12,40%, dan model terbaik dipilih berdasarkan nilai MAPE terendah.",{"@graph":63,"@context":120},[64,81,103],{"@type":65,"itemListElement":66},"BreadcrumbList",[67,72,75,78],{"item":68,"name":69,"@type":70,"position":71},"https://docshare.wps.com","Home","ListItem",1,{"item":73,"name":9,"@type":70,"position":74},"https://docshare.wps.com/id/document/",2,{"item":76,"name":31,"@type":70,"position":77},"https://docshare.wps.com/id/document/penelitian-laporan/",3,{"item":79,"name":59,"@type":70,"position":80},"https://docshare.wps.com/id/document/prediksi-volume-ekspor-udang-indeks-google-trend-dan-faktor-berpengaruh-lainnya-dengan-machine-learning/126984/",4,{"url":79,"name":59,"@type":82,"image":83,"author":88,"headline":59,"publisher":91,"fileFormat":94,"inLanguage":57,"description":61,"dateModified":95,"datePublished":96,"encodingFormat":94,"isAccessibleForFree":97,"interactionStatistic":98},"DigitalDocument",{"url":84,"@type":85,"width":86,"height":87},"https://docshare.wps.com/thumbnails/prediksi-volume-ekspor-udang-indeks-google-trend-dan-faktor-berpengaruh-lainnya-dengan-machine-learning/126984.png","ImageObject",300,407,{"name":89,"@type":90},"Oliver","Person",{"url":68,"name":92,"@type":93},"DocShare","Organization","application/pdf","2026-09-19","2026-08-05",true,{"@type":99,"interactionType":100,"userInteractionCount":102},"InteractionCounter",{"@type":101},"ViewAction",5,{"@type":104,"mainEntity":105},"FAQPage",[106,112,116],{"name":107,"@type":108,"acceptedAnswer":109},"Mengapa diperlukan model peramalan untuk volume ekspor udang?","Question",{"text":110,"@type":111},"Peramalan dibutuhkan untuk melihat angka volume ekspor udang sebagai dasar eksportir dan pemerintah agar target ekspor dapat dicapai melalui kebijakan yang efektif dan efisien.","Answer",{"name":113,"@type":108,"acceptedAnswer":114},"Variabel apa saja yang ditambahkan agar prediksi lebih akurat?",{"text":115,"@type":111},"Penelitian menambahkan variabel eksogen, yaitu indeks Google Trends, kurs rupiah, dan harga udang internasional.",{"name":117,"@type":108,"acceptedAnswer":118},"Model mana yang menghasilkan performa terbaik dan bagaimana metriknya?",{"text":119,"@type":111},"Model XGBoost menghasilkan MAPE 10,08%, sedangkan LSTM menghasilkan MAPE 12,40%; XGBoost dipilih sebagai model terbaik berdasarkan MAPE yang lebih rendah.","https://schema.org",{"og:url":79,"og:type":122,"og:title":59,"og:site_name":92,"og:description":61},"article",{"robots":124,"canonical":79},"index,follow",{"doc_id":126,"site_id":56},126984,1785936044,{"code":4,"msg":5,"data":129},{"doc_id":126,"user_id":130,"nickname":89,"user_avatar":131,"doc_module":4,"category_id":30,"category_name":31,"doc_title":59,"doc_description":61,"doc_content":132,"file_id":133,"file_url":134,"file_type":135,"file_size":136,"view_count":102,"is_deleted":4,"is_public":71,"is_downloadable":71,"audit_status":71,"page_count":137,"language":138,"language_code":57,"site_id":56,"html_lang":57,"table_of_contents":139,"faqs":140,"seo_title":141,"seo_description":61,"update_tm":127,"read_time":142},687207024643,"https://ap-avatar.wpscdn.com/davatar_3d24733baf745e90a7e4bdd5f77d97b2","Prediksi Volume Ekspor Udang Menggunakan Indeks Google Trend dan Faktor Berpengaruh Lainnya dengan Machine Learning  \nRayhan Abyasa 1, Erna Nurmawati2  \n1,2Program Studi Komputasi Statistik, Politeknik Statistika STIS  \nJl. Otto Iskandardinata No. 64C, Jakarta 13330  \n[1](1 222011314@stis.ac.id)[ 222011314@stis.ac.id](1 222011314@stis.ac.id)  \n[2](2 erna.nurmawati@stis.ac.id)[ erna.nurmawati@stis.ac.id](2 erna.nurmawati@stis.ac.id)  \nAbstrak  \nUdang merupakan salah satu komoditas ekspor unggulan Indonesia pada sektor perikanan yang berkontribusisebesar 34,57% dari nilai ekspor perikanan pada tahun 2022. Indonesia juga masuk kedalam enam negara pembudidaya dan eksportir udang terbesar di dunia. Untuk memantau dan mengevaluasi target yang telahditentukan oleh pemerintah, dibutuhkan model peramalan yang akurat. Untuk meningkatkan akurasi peramalan, indeks google trend, kurs rupiah, dan harga udang internasional ditambahkan sebagai variabel eksogen. Kata kunci indeks google trend yang digunakan diambil dari sisi eksportir dan importir seperti “ekspor udang” untuksisi eksportir dan terjemahan kata “udang indonesia” untuk sisi importir. Penelitian ini menggunakan machine learning dengan model XGBoost dan LSTM. Model XGBoost menghasilkan nilai MAPE sebesar 10,08% sedangkan model LSTM menghasilkan nilai MAPE sebesar 12,40% . Penelitian ini menghasilkan kesimpulan bahwa model terbaik untuk volume ekspor udang Indonesia adalah model XGBoost berdasarkan nilai MAPE.  \nKata kunci: ekspor, udang, prediksi, machine learning  \nPrediction of Shrimp Export Volume Using Google Trend Index and Other Influencing Factors with Machine Learning  \nAbstract  \nShrimp is one of Indonesia's leading export commodities in the fisheries sector, contributing 34.57% of the value of fisheries exports in 2022. Indonesia is also among the six largest shrimp farming and exporting countries in the world. To monitor and evaluate the targets set by the government, an accurate forecasting model is needed. To improve forecasting accuracy, the google trend index, rupiah exchange rate, and international shrimp prices were added as exogenous variables. The google trend index keywords used are taken from the exporter and importer sides such as “ekspor udang” for the exporter side and the translation of the word “udang indonesia”for the importer side. This research uses machine learning with XGBoost and LSTM models. The XGBoost model achievesa MAPE value of 10.08% while the LSTM model achievesa MAPE value of 12.40%. This study concluded that the best model for Indonesian shrimp export volume isthe XGBoost model based on the MAPE value.  \nKeywords: export, shrimp, forecasting, machine learning  \nI. PENDAHULUAN  \nSalah satu sektor ekspor andalan Indonesia adalah sektor perikanan. Hal ini didukung dengan fakta bahwa 63,02% wilayah Indonesia adalah wilayah lautan dengan panjang garis pantai terpanjang nomor dua di dunia setelah Canada dengan panjang 99.083 km [1], [2] . Hal ini membuat Indonesia disebut dengan negara maritim yang memiliki potensi sumber daya alam maritim sangat besar dan memiliki sekitar 1,27 juta penduduk yang berprofesisebagai nelayan [3], [4] .  \nUdang merupakan komoditas perikanan yang memiliki volume dan nilai yang paling besar diantara sektor perikanan lainnya. Hal tersebut membuat udang seringdijadikan sebagai salah satu indikator dalam perikanan  \nudang Indonesia. Menurut Kementrian Perdagangan Indonesia, udang menjadi komoditas utama Indonesianomor satu dengan mengekspor ke 19 negara seperti Jepang, Hong Kong, Korea Selatan, dan Amerika Serikat [5] . Ekspor udang berkontribusi sebesar 34,57% dari nilai ekspor perikanan Indonesia di tahun 2022 yang mencapai angka 2,16 miliar Rupiah [6] . Hal ini didukung dengan masuknya Indonesia kedalam enam negara pembudidaya dan pengekspor udang terbesar di dunia [7], [8] . Sebagaiproduk unggulan, udang memiliki target ekspor yang telahditetapkan selama empat tahun dimulai pada tahun 2020 sampai 2024 yang diharapkan ","cbCainV4pgBva5Bp","https://ap.wps.com/l/cbCainV4pgBva5Bp","pdf",791146,7,"Indonesian","# Pendahuluan\n## Latar belakang peran udang dalam ekspor Indonesia\n## Kebutuhan peramalan dan tujuan penelitian\n## Model machine learning: XGBoost dan LSTM\n## Variabel eksogen yang digunakan (Google Trends, kurs rupiah, harga internasional udang)\n# Metodologi (ringkasan)","[{\"question\":\"Mengapa diperlukan model peramalan untuk volume ekspor udang?\",\"answer\":\"Peramalan dibutuhkan untuk melihat angka volume ekspor udang sebagai dasar eksportir dan pemerintah agar target ekspor dapat dicapai melalui kebijakan yang efektif dan efisien.\"},{\"question\":\"Variabel apa saja yang ditambahkan agar prediksi lebih akurat?\",\"answer\":\"Penelitian menambahkan variabel eksogen, yaitu indeks Google Trends, kurs rupiah, dan harga udang internasional.\"},{\"question\":\"Model mana yang menghasilkan performa terbaik dan bagaimana metriknya?\",\"answer\":\"Model XGBoost menghasilkan MAPE 10,08%, sedangkan LSTM menghasilkan MAPE 12,40%; XGBoost dipilih sebagai model terbaik berdasarkan MAPE yang lebih rendah.\"}]","Prediksi Volume Ekspor Udang - Indeks Google Trend dan Faktor Berpengaruh Lainnya dengan Machine Learning | PDF",11]