Peramalan Nilai Ekspor Migas di Indonesia Menggunakan Metode Long Short-Term Memory (LSTM) dengan Input Fungsi Transfer

Amelia, Suciati (2025) Peramalan Nilai Ekspor Migas di Indonesia Menggunakan Metode Long Short-Term Memory (LSTM) dengan Input Fungsi Transfer. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5003211079-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2027. Download (3MB) | Request a copy

Abstract

Globalisasi saat ini telah berkembang pesat sehingga mempermudah negara untuk melakukan ekspor dan impor. Indonesia, sebagai negara yang kaya akan sumber daya alam yang melimpah dengan berbagai jenis komoditasnya terutama dalam sektor minyak dan gas (migas) memiliki potensi yang besar untuk melakukan ekspor. Namun, dalam beberapa tahun terakhir, nilai ekspor migas Indonesia mengalami tren penurunan yang cukup signifikan, penurunan nilai ekspor migas ini berpotensi menekan perekonomian negara dan mengurangi cadangan devisa. Dalam upaya membantu pemerintah untuk merencanakan kebijakan yang tepat guna menjaga stabilitas cadangan devisa negara dan meminimalkan risiko fluktuasi yang merugikan. Penelitian ini menggunakan pendekatan Long Short-Term Memory (LSTM), dimana input yang digunakan berasal dari adaptasi fungsi transfer. Variabel input yang digunakan di fungsi transfer adalah volume ekspor migas dan variabel output yang akan diramalkan adalah nilai ekspor migas di Indonesia mulai Agustus 2024. Hasil pemodelan fungsi transfer menunjukkan model terbaik dengan nilai AIC in sample sebesar 1821,06 dan MAPE out sample sebesar 46,857%, dengan orde b,r,s (0,0,0) dan deret noise ARIMA (1,0,0). Persamaan model fungsi transfer ini menghasilkan adaptasi input untuk LSTM berupa nilai ekspor migas satu bulan sebelumnya dan volume ekspor migas pada bulan berjalan serta satu bulan sebelumnya untuk meramalkan nilai ekspor migas di Indonesia. Berdasarkan input fungsi transfer tersebut, dihasilkan model LSTM terbaik dengan kombinasi 2 hidden layer dan 200 epoch dengan RMSE out sample sebesar 30,855. Setelah dilakukan peramalan dengan model tersebut diperoleh niali MAPE in sample dan out sample masing-masing sebesar 8,04% dan 1,18%, menunjukkan model sangat baik dalam memprediksi. Hasil peramalan menunjukkan nilai ekspor migas akan menurun dari 1400,76 juta USD pada Agustus 2024 menjadi 1338,78 juta USD pada Desember 2024.
==================================================================================================================================
Globalization has advanced rapidly, facilitating countries in conducting exports and imports. Indonesia, as a nation rich in abundant natural resources with a variety of commodities, especially in the oil and gas (O&G) sector, holds significant potential for exports. However, in recent years, Indonesia's oil and gas export value has experienced a notable downward trend, which poses a potential threat to the country's economy and reduces foreign exchange reserves. To assist the government in formulating appropriate policies to maintain the stability of the country's foreign exchange reserves and minimize the risks of detrimental fluctuations, this research employs a Long Short-Term Memory (LSTM) approach. The input data used in the model originates from an adaptation of the transfer function. The input variables in the transfer function are oil and gas export volumes, while the output variable to be forecasted is the value of Indonesia's oil and gas exports starting in August 2024. The modeling of the transfer function reveals the best model with an in-sample AIC value of 1821.06 and an out-sample MAPE of 46.857%, using (0,0,0) orders for b,r,s and an ARIMA noise series of (1,0,0). The transfer function model equation provides adapted inputs for the LSTM, including the oil and gas export value from the previous month and the export volume of the current month as well as the previous month, to forecast the oil and gas export value in Indonesia. Based on these transfer function inputs, the best LSTM model was achieved with a combination of 2 hidden layers and 200 epochs, resulting in an out-sample RMSE of 30.855. The forecasting results indicate in-sample and out sample MAPE values of 8.04% and 1.18%, respectively, demonstrating the model's excellent predictive performance. Forecast results show that oil and gas export values are expected to decline from USD 1400.76 million in August 2024 to USD 1338.78 million in December 2024.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Foreign Exchange Reserves, Globalization, LSTM, Oil and Gas Exports, Transfer Function, Cadangan Devisa, Ekspor Migas, Fungsi Transfer, Globalisasi
Subjects:	H Social Sciences > HA Statistics > HA30.3 Time-series analysis
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Suciati Amelia
Date Deposited:	27 Jan 2025 06:48
Last Modified:	27 Jan 2025 06:48
URI:	http://repository.its.ac.id/id/eprint/116951

Actions (login required)

View Item