Peramalan Harga Minyak Menggunakan Autoregressive Integrated Moving Average dan Support Vector Regression
DOI:
https://doi.org/10.21831/pspmm.v7i1.302Keywords:
ARIMA, MAPE, SVR, Harga Minyak MentahAbstract
Indonesia merupakan negara yang kaya akan hasil bumi dan barang tambang, salah satunya adalah minyak mentah yang merupakan input vital dalam kehidupan sehari-hari. Fluktuasi harga minyak mentah membawa pengaruh dalam pertumbuhan ekonomi, laju inflasi jumlah uang yang beredar, nilai tukar riil rupiah terhadap US dolar dan suku bunga. Oleh karena itu, diperlukan suatu metode untuk meramalkan harga minyak mentah di Indonesia. Metode peramalan yang dapat digunakan yaitu Autoregressive Intergrated Moving Average (ARIMA) dan Support Vector Regression (SVR). ARIMA merupakan metode peramalan yang baik untuk meramalkan jangka pendek yang bersifat non stasioner. SVR adalah metode peramalan yang baik untuk meramalkan data yang bersifat non-linear yang cocok untuk mengatasi overfitting. Tujuan dari penelitian ini adalah meramalkan harga minyak menggunakan ARIMA dan SVR sehingga akan didapatkan metode peramalan yang lebih baik. Berdasarkan hasil analisis diketahui bahwa model ARIMA terbaik adalah ARIMA (2,1,0). Sedangkan untuk SVR didapatkan model terbaik dengan nilai p=10 dan parameter ∁=1000, ε=0.0001, γ=0.01, dan fungsi kernel sigmoid. Dilihat dari nilai akurasi peramalan data testing-nya metode SVR menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 3.618% yang mana lebih kecil dari metode ARIMA yang memiliki nilai MAPE sebesar 9.323%.References
Elvani, S. P., Utary, A. R., dan Yudaruddin, R. (2016). Peramalan Jumlah Produksi Tanaman Kelapa Sawit dengan Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average). Jurnal Manajemen, 95-112.
Katadata Media Network. 2022. Diakses pada Maret 2022 dari https://databoks.katadata.co.id/datapublish/2022/04/08/tertinggi-sejak-2013-icp-maret-2022-capai-us1135-per-barel.
Lin, K., Lin, Q., Zhou, C., dan Yao, J. (2007). Time Series Prediction Based on Linear Regression and SVR. Third International Conference on Natural Computation (ICNC).
Montgomery, D. C., Jennings, C. L., dan Kulachi, M. (2008). Introduction to Time Series Analysis and Forecasting. Wiley Series in Probability and Stastistics, New Jersey.
Nizar, M. A. (2012). Dampak Fluktuasi Harga Minyak Dunia Terhadap Perekonomian Indonesia. Buletin Ilmiah Litbang Perdagangan, 189-210.
Pandji, B. Y., Indwiarti, dan Rohmawati, A. A. (2019). Perbandingan Prediksi Harga Saham Dengan Model ARIMA dan Artificial Neural Network. Indonesia Journal of Computing, 189-198.
Purnama, D. I., & Hendarsin, O. P. (2020). Peramalan Jumlah Penumpang Berangkat Melalui Transportasi Udara di Sulawesi Tengah Menggunakan Support Vector Regression (SVR). Jambura Journal Of Mathematics, 49-59.
Putra, A. L., & Kurniawati, A. (2021). Analisis Prediksi Harga Saham PT. Astra International Tbk Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA) dan Support Vector Regression (SVR). Jurnal Ilmiah Komputasi, 417-423.
Putri, F. A.Y (2018). Studi Komparasi Peramalan Harga Minyak Mentah Menggunakan Metode Generalized Regression Neural Network dan Feed Forward Neural Network. Tugas Akhir. Universitas Islam Indonesia, Yogyakarta.
Putri, R. A., Winahju, W. S., dan Mashuri, M. (2020). Penerapan Metode Rigde Regression dan Support Vector Regression (SVR) untuk Prediksi Indeks Batubara di PT XYZ. Jurnal Sains dan Seni ITS, 64-71.
Sihombing, C. V., Martha, S., dan Huda, M. (2022). Analisis Metode Hybrid ARIMA-SVR Pada Indeks Harga Saham Gabungan. Buleten Ilmiah Math. Stat. dan Terapannya (Bimaster), 413-422.
Sriyana, Martha, S., & Sulistianingsih. (2019). Prediksi Nilai Tukar Dolar Amerika Serikat Terhadap Rupiah dengan Metode Support Vector Regression (SVR). Buletin Ilmiah Math, Stat, dan Terapannya (Bimaster), 1-10.
Wei, W. W. (2006). Time Series: Analysis Univariate and Multivariate Methods Second Edition. Pearson Education Inc., New York.
Wibowo, T. W. L. (2015). Peramalan Harga Minyak Mentah di Indonesia dengan Menggunakan Metode Fuzzy Time Series. Laporan. Institut Teknologi Sepuluh Nopember, Surabaya.
Yunita, T. (2019). Peramalan Jumlah Penggunaan Kuota Internet Menggunakan Metode Autoregressive Intergrated Moving Average (ARIMA). Journal of Mathematics: Theory and Applications, 16-22.
