FADHLOLY, Mochammad Dzahwan (2025) Prediksi Harga Minyak Mentah Dunia West Texas Intermediate Menggunakan Metode Long Short-Term Memory Dengan Optimasi Hyperparameter. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (34kB)
	Text 2. HALAMAN PERNYATAAN KEASLIAN SKRIPSI.pdf Download (163kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (174kB)
	Text 4. KATA PENGANTAR.pdf Download (282kB)
	Text 6. ABSTRAK.pdf Download (10kB)
	Text 7. ABSTRACT.pdf Download (7kB)
	Text 8. DAFTAR ISI.pdf Download (34kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (61kB)

Abstract

Prediksi harga minyak mentah merupakan salah satu bidang penelitian yang sangat penting
dalam ekonomi global. Minyak mentah West Texas Intermediate (WTI) adalah salah satu
komoditas utama yang diperdagangkan secara luas di pasar energi internasional. Keakuratan
prediksi harga minyak sangat penting dalam membantu pengambilan kebijakan, perusahaan
energi, dan investor dalam menyusun strategi yang lebih tepat untuk menghadapi volatilitas
pasar. Oleh karena itu, pengembangan model prediksi harga minyak berbasis deep learning,
seperti Long Short-Term Memory (LSTM) menjadi relevan karena LSTM merupakan
arsitektur jaringan saraf tiruan yang dirancang untuk menangani ketergantungan jangka
panjang dalam data time series. Meskipun demikian, performa model LSTM sangat
bergantung pada pemilihan hyperparameter yang optimal. Hyperparameter yang tidak tepat
dapat menyebabkan model mengalami overfitting atau underfitting, sehingga mengurangi
akurasi prediksi. Oleh karena itu, diperlukan strategi optimasi hyperparameter untuk
meningkatkan kinerja model. Dalam penelitian ini, dilakukan penerapan model LSTM
dengan optimasi hyperparameter untuk meningkatkan akurasi prediksi harga minyak
mentah WTI. Proses tuning dilakukan dengan menyesuaikan berbagai kombinasi
hyperparameter untuk menemukan konfigurasi optimal yang menghasilkan prediksi dengan
error minimal. Penelitian ini menggunakan kombinasi empat hyperparameter yang dituning
dengan arsitektur LSTM yang sudah ditetapkan. Berdasarkan hasil tuning, kombinasi
window size sebesar 30; learning rate sebesar 0,0010; batch size sebesar 128; dan dropout
rate sebesar 0,1 menunjukkan performa terbaik dalam menangkap pola pergerakan harga
minyak mentah dunia WTI. Hasil penelitian menunjukkan bahwa model LSTM dengan
optimasi hyperparameter mampu memberikan prediksi harga minyak mentah dunia WTI
yang akurat, dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,1292%. Hal
ini membuktikan bahwa model yang telah dioptimasi dapat menangkap pola harga minyak
mentah dunia WTI dengan sangat baik dan memberikan hasil prediksi yang akurat.
Kata kunci : Prediksi Harga, Minyak Mentah, West Texas Intermediate, Long Short-Term
Memory, Optimasi Hyperparameter

Actions (login required)

View Item