Peramalan Harga Minyak Mentah Menggunakan Metode Hybrid Autoregressive Integrated Moving Average - Backpropagation Neural Network (ARIMA - BPNN)

Suryono, Muhammad Erlangga Putra (2022) Peramalan Harga Minyak Mentah Menggunakan Metode Hybrid Autoregressive Integrated Moving Average - Backpropagation Neural Network (ARIMA - BPNN). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05211840000062_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2024. Download (2MB) | Request a copy

Abstract

Minyak merupakan komoditas yang terbesar dan paling aktif diperdagangkan di dunia. harga minyak mentah juga pada dasarnya ditentukan oleh penawaran dan permintaannya, tetapi sangat dipengaruhi oleh banyak peristiwa masa lalu / sekarang / masa depan yang tidak teratur seperti cuaca, tingkat stok, pertumbuhan PDB, aspek politik, dan bahkan ekspektasi psikologis masyarakat. Selama kurun waktu 15 tahun dari tahun 2000 – 2014, konsumsi rata – rata BBM per tahun lebih tinggi dibandingkan produksi minyak bumi rata – rata per tahun. Oleh karena itu, produksi minyak bumi domestik belum menutupi konsumsi BBM, sehingga untuk menutupi kekurangan tersebut pemerintah indonesia melakukan impor minyak mentah dan BBM dari luar negeri. Penelitian ini melakukan peramalan harga minyak mentah menggunakan metode Hybrid ARIMA - BPNN. Data yang digunakan adalah data time – series berupa data harian harga minyak mentah West Texas Intermediete (WTI). Data tersebut akan diuji stasioneritasnya dan kemudian akan diidentifikasi model terbaik menggunakan ARIMA. Hasil pemodelan ARIMA berupa data residu yang akan menjadi input pada metode BPNN dan kemudian akan diukur akurasi dan tingkat errornya menggunakan RMSE dan MAPE. Hasil peramalan harga minyak mentah dengan metode Hybrid ARIMA – BPNN dengan parameter terbaik yang telah diuji yaitu ARIMA (1, 1, 1) x (0, 0, 1, 7) dan BPNN (1, 7, 1) dengan Epoch 100, Aktivasi Relu, Optimizer Adam mendapatkan nilai MAPE sebesar 1,12% dan nilai RMSE sebesar 1,09.
===============================================================================================
Oil is the largest and most actively traded commodity in the
world. The price of crude oil is also basically determined by its
supply and demand but is heavily influenced by many irregular
past/present/future events such as weather, stock levels, GDP growth, political aspects and even people's psychological
expectations. For a period of 15 years from 2000 – 2014, the
average consumption of BBM per year was higher than the
average production of petroleum per year. Therefore, domestic
oil production has not covered fuel consumption, so to cover
this shortfall, the Indonesian government imports crude oil and
fuel from abroad. This study forecasts crude oil prices using the
Hybrid ARIMA - BPNN method. The data used is time-series
data in the form of daily data on West Texas Intermediate (WTI)
crude oil prices. The data will be tested for stationarity and then
the best model will be identified using ARIMA. The results of
ARIMA modeling are residual data that will be input to the
BPNN method and then the accuracy and error rate will be
measured using RMSE and MAPE. The results of forecasting
crude oil prices using the Hybrid ARIMA – BPNN method with
the best tested parameters is ARIMA (1, 1, 1) x (0, 0, 1, 7) and BPNN (1, 7, 1) with Epoch 100, Activation Relu, Optimizer
Adam got a MAPE value of 1.12% and an RMSE value of 1.09

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Peramalan, Harga Minyak Mentah, Hybrid ARIMA – BPNN, MAPE, dan RMSE, Forecasting, Crude Oil Price
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T174 Technological forecasting
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Erlangga Putra S
Date Deposited:	01 Mar 2022 06:44
Last Modified:	02 Nov 2022 03:57
URI:	http://repository.its.ac.id/id/eprint/94773

Actions (login required)

View Item