Peramalan harga minyak mentah menggunakan metode long short-term memory dan support vector regression
M Minyak bumi atau minyak mentah merupakan sumber energi tidak terperbaharui yangberasal dari bahan organik dengan proses pembentukannya sangat lama. Produk hasilpengolahan minyak bumi dapat berupa bahan bakar, solar, gas cair, avgas, serta avtur,merupakan produk yang digunakan di berbagai bidang industri. Harga minyakmentah sering kali mengalami fluktuasi. Sementara ketika harga minyak mentahmengalami fluktuasi maka perekonomian suatu negara akan terdampak. Untukmeramalkan harga minyak mentah yang memiliki sifat non-linear, penelitian inimenggunakan dua buah metode, yaitu Long Short-Term Memory dan Support VectorRegression. Dataset yang digunakan pada penelitian ini adalah dataset harga minyakmentah brent. Periode dataset yang digunakan dalam penelitian ini adalah Mei 1987sampai dengan Mei 2022. Hasil yang diperoleh dari percobaan terhadap kedua modelmenunjukkan bahwa model Long Short-Term Memory memiliki kinerja yang lebihbaik dibandingkan Support Vector Regression dalam meramalkan harga minyakmentah. Nilai RMSE terbaik yang dapat dihasilkan oleh model LSTM pada prosesvalidasi adalah 1.374, sedangkan nilai MAEnya sebesar 0.997. Sedangkan modelSVR yang memberikan hasil terbaik memiliki nilai uji RMSE sebesar 2.104, danMAE sebesar 1.448. Untuk mengevaluasi model secara visual dibuat grafikperbandingan antara harga sebenarnya dan harga peramalan model.
M Minyak bumi atau minyak mentah merupakan sumber energi tidak terperbaharui yangberasal dari bahan organik dengan proses pembentukannya sangat lama. Produk hasilpengolahan minyak bumi dapat berupa bahan bakar, solar, gas cair, avgas, serta avtur,merupakan produk yang digunakan di berbagai bidang industri. Harga minyakmentah sering kali mengalami fluktuasi. Sementara ketika harga minyak mentahmengalami fluktuasi maka perekonomian suatu negara akan terdampak. Untukmeramalkan harga minyak mentah yang memiliki sifat non-linear, penelitian inimenggunakan dua buah metode, yaitu Long Short-Term Memory dan Support VectorRegression. Dataset yang digunakan pada penelitian ini adalah dataset harga minyakmentah brent. Periode dataset yang digunakan dalam penelitian ini adalah Mei 1987sampai dengan Mei 2022. Hasil yang diperoleh dari percobaan terhadap kedua modelmenunjukkan bahwa model Long Short-Term Memory memiliki kinerja yang lebihbaik dibandingkan Support Vector Regression dalam meramalkan harga minyakmentah. Nilai RMSE terbaik yang dapat dihasilkan oleh model LSTM pada prosesvalidasi adalah 1.374, sedangkan nilai MAEnya sebesar 0.997. Sedangkan modelSVR yang memberikan hasil terbaik memiliki nilai uji RMSE sebesar 2.104, danMAE sebesar 1.448. Untuk mengevaluasi model secara visual dibuat grafikperbandingan antara harga sebenarnya dan harga peramalan model.