Penerapan Metode Fuzzy Time Series dan Adaptive Neuro-Fuzzy Inference System dalam Peramalan Harga Minyak Mentah Brent

Wibowo, Prima Ari (2024) Penerapan Metode Fuzzy Time Series dan Adaptive Neuro-Fuzzy Inference System dalam Peramalan Harga Minyak Mentah Brent. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5003201087-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB) | Request a copy

Abstract

Minyak mentah adalah aset krusial dalam sumber daya minyak bumi, memegang peran vital dalam stabilitas dan dinamika ekonomi global. Fluktuasi harga minyak tidak hanya mempengaruhi pasar komoditas, tetapi juga memengaruhi kesejahteraan dan kebijakan ekonomi suatu negara. Dampaknya mencakup penyesuaian biaya operasional, kebijakan fiskal, dan stabilitas ekonomi. Klasifikasi jenis minyak mentah berdasarkan geografis mencerminkan perbedaan karakteristik dan harga, seperti Brent Crude dari Laut Utara Eropa dan West Texas Intermediate (WTI) dari Amerika Serikat. Indonesia, sebagai salah satu produsen minyak dengan harga Indonesian Crude Price (ICP), mulai mengacu pada harga Dated Brent, hal ini dikarenakan menghadapi penurunan produksi dan susahnya mengikuti harga pasar dunia. Sehingga dengan ini perlunya reformasi harga untuk lebih menyesuaikan atau paling tidak mendekati harga minyak dunia. Untuk mengantisipasi fluktuasi harga minyak, peramalan menjadi suatu alat yang penting untuk meminimalisir kesalahan pengambilan keputusan khususnya bagi pemerintah yang negaranya mengacu kepada harga minyak mentah Brent. Sesuai dengan karakteristik data minyak mentah Brent yang bersifat nonlinier, sehingga metode Fuzzy Time Series dan Adaptive Neuro-Fuzzy Inference System (ANFIS) dapat digunakan karena kedua metode tersebut dapat mengatasi fluktuatif/ketidakpastian dalam data. Pemilihan metode terbaik dari kedua metode dilihat berdasarkan tingkat kesalahan yang paling kecil. Berdasarkan hasil analisis yang sudah dilakukan, didapatkan bahwa pada pemodelan Fuzzy Time Series menghasilkan model Lee dengan average based sebagai model terbaik, sedangkan pada pemodelan ANFIS menghasilkan model input yt-1 dan yt-7 dengan fungsi keanggotaan trapezoidal sebagai model terbaik. Setelah dibandingkan, dari kedua metode tersebut dapat disimpulkan bahwa metode ANFIS lebih baik dalam meramalkan harga minyak mentah Brent dengan tingkat kesalahan output sebesar 1,18 untuk RMSE dan 1,09% untuk MAPE. Hasil peramalan periode ke depan menggunakan metode ANFIS cenderung stabil, sehingga dengan kestabilan harga pada periode ke depan harapannya dapat dimanfaatkan pihak terkait untuk menentukan kebijakan yang berhubungan dengan minyak mentah Brent.
===============================================================================================================================
Crude oil is a crucial asset in the petroleum resources, playing a vital role in the stability and dynamics of the global economy. The fluctuations in oil prices not only impact the commodity markets but also influence the prosperity and economic policies of a country. Its effects encompass adjustments in operational costs, fiscal policies, and economic stability. The classification of types of crude oil based on geographical locations reflects differences in characteristics and prices, such as Brent Crude from the European North Sea and West Texas Intermediate (WTI) from the United States. Indonesia, as one of the oil producers with the Indonesian Crude Price (ICP), has started to refer to the Dated Brent prices due to decreasing production and challenges in keeping up with the world market prices. Hence, there is a need for price reforms to better align or at least approximate global oil prices. To anticipate oil price fluctuations, forecasting becomes a crucial tool to minimize decision-making errors, especially for governments whose economies are tied to Brent crude oil prices. Given the nonlinear characteristics of Brent crude oil data, methods like Fuzzy Time Series and Adaptive Neuro-Fuzzy Inference System (ANFIS) can be employed since both methods can address the volatility/uncertainty in data. The selection of the best method from the two methods is seen based on the smallest error rate. Based on the results of the analysis that has been carried out, it was found that Fuzzy Time Series modeling produces a Lee model with average based as the best model, while ANFIS modeling produces input models yt-1 and yt-7 with trapezoidal membership functions as best models. After comparing, it can be concluded from the two methods that the ANFIS method is better in predicting the price of Brent crude oil with an output error rate of 1.18 for RMSE and 1.09% for MAPE. The results of forecasting for the future period using the ANFIS method tend to be stable. So, with price stability in the coming period, it is hoped that related parties can use it to determine policies related to Brent crude oil.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Brent Crude Oil, Forecasting, Fuzzy Logic, Neural Network, Time Series, Minyak Mentah Brent, Peramalan, Logika Fuzzy, Neural Network, Deret Waktu.
Subjects:	H Social Sciences > HD Industries. Land use. Labor > HD30.27 Business forecasting
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Prima Ari Wibowo
Date Deposited:	08 Aug 2024 12:31
Last Modified:	15 Aug 2024 02:31
URI:	http://repository.its.ac.id/id/eprint/114943

Actions (login required)

View Item