Peramalan Harga Minyak Mentah Dunia Menggunakan Metode Extreme Learning Machine (ELM)

Putra, Masaji Perdana (2021) Peramalan Harga Minyak Mentah Dunia Menggunakan Metode Extreme Learning Machine (ELM). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

	Text 05211740000013-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (3MB) | Request a copy
	Text 05211740000013-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Komoditas minyak mentah sangat penting bagi seluruh negara di dunia. Minyak mentah memiliki pemegang peran penting dalam perekonomian dunia. Perubahan harga terhadap minyak mentah sangat berpengaruh terhadap keberlangsungan perekonomian suatu negara. Penyebab naik dan turunnya harga minyak mentah adalah rendahnya kapasitas cadangan harga minyak yang tersedia, naiknya permintaan (demand) dengan risiko ketidakmampuan negara-negara produsen untuk meningkatkan produksi, keadaan politik dari suatu negara maupun antar negara, dan sebagainya. Salah satu jenis minyak mentah yang sering digunakan sebagai benchmark harga minyak mentah dunia adalah Minyak Mentah West Intermediate Texas (WTI). Perubahan harga minyak mentah WTI secara fluktuatif akan memberikan dampak terhadap harga barang di seluruh negara, sama. Hal ini akan menyebabkan meningkatkan harga impor dari suatu negara yang nantinya akan mempengaruhi harga kebutuhan sehari-hari. Maka dari itu, untuk mengetahui harga minyak mentah dunia di masa depan adalah dengan cara melakukan peramalan terhadap harga historis minyak mentah. Pemilihan metode peramalan akan berpengaruh terhadap hasil model dan akurasi yang didapatkan pada peramalan tersebut. Salah satu metode yang dapat digunakan dalam melakukan peramalan adalah Extreme Learning Machine (ELM). ELM merupakan feedforward neural network (FFNN) namun pemilihan parameter seperti input, weight, dan hidden dilakukan secara acak. Parameter yang dijalankan menggunakan metode ELM cenderung konstan selama fase pelatihan (training) dan pengujian (testing). Penelitian ini bertujuan untuk mengetahui akurasi atau performa dari ELM dalam melakukan peramalan terhadap harga minyak mentah WTI pada periode 30 Oktober 2020 sampai dengan 30 Oktober 2020. Nilai akurasi yang didapatkan oleh model ELM pada peramalan minyak mentah WTI ini menghasilkan nilai MAPE sebesar 2.014% pada model univariate. Setelah membandingkan model ELM dengan RNN dalam melakukan peramalan dengan dataset yang sama, dihasilkan kesimpulan bahwa model ELM memiliki nilai akurasi yang lebih baik dibandingkan RNN.
======================================================================================================
Crude oil is very important commodity for all countries in the world. Crude oil has an important role in the world economy. Changes in crude oil prices greatly affect the sustainability of a country's economy. The causes of rising and falling oil prices are the low reserve capacity of available oil prices, rising demand with the risk of the inability of producing countries to increase production, the political situation of a country or between countries, and so on. One type of crude oil that is often used as a benchmark for world crude oil prices is West Intermediate Texas (WTI) Crude Oil. Fluctuating changes in the price of WTI crude oil will have an impact on goods prices throughout the country, the same. This will cause an increase in the price of imports from a country which will affect the price of daily necessities. Therefore, to find out the price of world crude oil in the future is to forecast the historical price of crude oil. The choice of forecasting method will affect the model results and the accuracy obtained in the forecasting. One method that can be used in forecasting is Extreme Learning Machine (ELM). ELM is a feedforward neural network (FFNN) but the selection of parameters such as input, weight, and hidden is done randomly. Parameters run using the ELM method tend to be constant during the training and testing phases. This study aims to determine the accuracy or performance of ELM in forecasting WTI crude oil prices in the period 30 October 2020 to 30 October 2020. The accuracy value obtained by the ELM model in forecasting WTI crude oil produces a MAPE value of 2.014% in the model. univariate. After comparing the ELM model with the RNN in forecasting with the same dataset, the conclusion is that the ELM model has a better accuracy value than the RNN.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	WTI crude oil, Forecasting, Feedforward Neural Network, Extreme Learning Machine, Mean Absolute Percentage Error, Minyak Mentah WTI, Peramalan, Feedforward Neural Network, Extreme Learning Machine, Mean Absolute Percentage Error
Subjects:	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:	Masaji Perdana Putra
Date Deposited:	20 Aug 2021 03:59
Last Modified:	20 Aug 2021 03:59
URI:	http://repository.its.ac.id/id/eprint/88008

Actions (login required)

View Item