@phdthesis{eprintsunpak7526,
           month = {January},
          author = {Fahri Saputra and Hermawan Taher and Syarif Hidayatullah},
            year = {2024},
           title = {IMPLEMENTASI LONG SHORT TERM MEMORY UNTUK 
MEMPREDIKSI HARGA MINYAK KELAPA SAWIT INTERNASIONAL},
          school = {Universitas Pakuan},
        abstract = {IMPLEMENTASI LONG SHORT TERM MEMORY UNTUK 
MEMPREDIKSI HARGA MINYAK KELAPA SAWIT INTERNASIONAL
Muhamad Fahry Saputra1)
, Hermawan Taheer
2)
, Syarif Hidayatullah3)
1,2,3Program Studi Ilmu Komputer, Universitas PakuanJl. Pakuan No.1 Ciheuleut, Bogor
Email: aldi.065118040@unpak.ac.id
Abstract
Crude Palm Oil (CPO), also known as palm oil, is an oil derived from the fruit of the oil palm tree. It serves as the 
main commodity for export and is the largest source of foreign exchange for Indonesia. Predictions regarding palm 
oil are crucial for investors to make informed decisions when considering purchasing palm oil in the future. Price 
predictions are conducted by analyzing previous palm oil price data using machine learning, specifically Long Short 
Term Memory (LSTM), which is adept at modeling time series data. Based on research conducted using weekly data 
from 2017 to 2022, the price prediction for palm oil in January 2023 exhibits Mean Absolute Percentage Error 
(MAPE) accuracy below 10\% for each predicted variable. These variables include price at 2.91\%, high at 4.61\%, and 
low at 2.72\%, indicating that the palm oil price prediction falls into the category of being highly accurate.
Keyword: Crude Palm Oil, Prediction, Data Mining, Long Short Term Memory.
Abstrak
Minyak kelapa sawit atau dikenal sebagai Crude Palm Oil (CPO) yang merupakan olahan minyak yang berasal dari 
buah kelapa sawit, yang menjadi komoditas utama ekspor dan menjadi sumber devisa terbesar bagi Indonesia.
Prediksi pada minyak kelapa sawit sangatlah penting bagi investor untuk mengambil keputusan yang tepat ketika
mempertimbangkan pembelian minyak kelapa sawit di masa depan. sawit sangat penting bagi investor untuk 
mengambil keputusan yang tepat ketika mempertimbangkan pembelian minyak sawit di masa depan. Prediksi harga 
dilakukan dengan menganalisis data harga minyak sawit sebelumnya menggunakan machine learning khususnya Long 
Short Term Memory (LSTM) yang memiliki kemampuan untuk memodelkan data time series. Berdasarkan penelitian 
yang dilakukan dengan menggunakan data mingguan pada tahun 2017 hingga 2022, prediksi harga minyak sawit pada 
bulan Januari 2023 menunjukkan akurasi Mean Absolute Percentage Error (MAPE) di bawah 10\% untuk setiap 
variabel prediksi. Variabel tersebut antara lain variabel price 2,91\%, high 4,61\%, dan low 2,72\% yang menunjukkan 
bahwa prediksi harga minyak kelapa sawit (CPO) masuk ke dalam kategori sangat baik.
Kata Kunci: Minyak Kelapa Sawit, Prediksi, Data Mining, Long Short Term Memory.},
             url = {http://eprints.unpak.ac.id/7526/}
}