MAYSAROH, Ulfah Jaafar (2026) Implementasi Model Long Short-Term Memory (LSTM) Berbasis Bayesian Optimization untuk Peramalan Harga Nikel. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (199kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (356kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (331kB)
	Text 5. KATA PENGANTAR.pdf Download (237kB)
	Text 6. ABSTRAK.pdf Download (222kB)
	Text 7. ABSTRACT.pdf Download (258kB)
	Text 8. DAFTAR ISI.pdf Download (237kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (267kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (238kB)

Abstract

Harga nikel di London Metal Exchange (LME) saat ini mengalami fluktuasi yang
cukup tinggi, diakibatkan oleh lonjakan permintaan dari sektor kendaraan listrik
dan ketidakpastian pasokan. Kondisi ini menjadi tantangan bagi ekonomi Indonesia
karena harga LME merupakan acuan utama dalam penetapan Harga Mineral Logam
Acuan (HMA) domestik. Karakteristik harga nikel yang fluktuatif menyebabkan
pola data bersifat non-stasioner dan non-linear, sehingga diperlukan metode
peramalan yang adaptif terhadap perubahan tren serta mampu menangkap
ketergantungan jangka panjang. Penelitian ini mengimplementasikan model Long
Short-Term Memory (LSTM) yang memiliki keunggulan dalam memproses data
runtun waktu melalui mekanisme gate yang mampu memperbarui informasi secara
adaptif, menangkap pola non-linear, serta ketergantungan jangka panjang. Metode
Bayesian Optimization digunakan untuk menentukan kombinasi hyperparameter
optimal secara efisien guna mendapatkan akurasi peramalan terbaik. Hasil
penelitian menunjukkan bahwa model LSTM dengan Bayesian Optimization
mampu menangkap pola pergerakan harga historis dengan baik. Hal ini dibuktikan
dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,92%. Performa
tersebut membuktikan efektivitas LSTM dalam meramalkan tren harga nikel untuk
lima hari kerja ke depan sebagai mitigasi risiko bagi pelaku industri dan pemerintah.
Kata Kunci: Harga Nikel, London Metal Exchange (LME), Long Short-Term
Memory (LSTM), Bayesian Optimization, Hyperparameter, Mean Absolute
Percentage Error (MAPE)

Actions (login required)

View Item