IMPLEMENTASI LONG SHORT TERM MEMORY UNTUK MEMPREDIKSI HARGA MINYAK KELAPA SAWIT INTERNASIONAL

Saputra, Fahri and Taher, Hermawan and Hidayatullah, Syarif (2024) IMPLEMENTASI LONG SHORT TERM MEMORY UNTUK MEMPREDIKSI HARGA MINYAK KELAPA SAWIT INTERNASIONAL. Skripsi thesis, Universitas Pakuan.

Text 065118012_Muhamad Fahry Saputra_Skripsi.pdf Download (2MB)

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.

Item Type:	Thesis (Skripsi)
Subjects:	Fakultas Ilmu Pengetahuan Alam dan Matematika > Ilmu Komputer
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer
Depositing User:	PERPUSTAKAAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNPAK
Date Deposited:	17 May 2024 02:51
Last Modified:	17 May 2024 02:51
URI:	http://eprints.unpak.ac.id/id/eprint/7526

Actions (login required)

View Item