Prediksi Harga Minyak Mentah Dunia Menggunakan Metode Ensemble k-Nearest Neighbor

Authors

  • Muhamad Fajri Program Studi Sarjana Statistika, Universitas Negeri Padang, Indonesia
  • Syafriandi Syafriandi Program Studi Sarjana Statistika, Universitas Negeri Padang , Indonesia
  • D Vionanda Program Studi Sarjana Statistika, Universitas Negeri Padang, Indonesia
  • Zilrahmi Zilrahmi Program Studi Sarjana Statistika, Universitas Negeri Padang, Indonesia

DOI:

https://doi.org/10.31004/jptam.v7i2.9115

Keywords:

Harga Minyak Mentah Dunia, Ensemble NN, Times Series

Abstract

Harga minyak mentah dunia memiliki peran penting dalam perekonomian dunia. Namun, fluktuasi harga minyak yang signifikan sering terjadi dan berdampak luas pada perekonomian global, termasuk inflasi, biaya produksi, harga barang dan jasa, serta pertumbuhan ekonomi negara importir minyak. Prediksi harga minyak membantu perencanaan langkah menghadapi perubahan ekonomi akibat fluktuasi ini. Salah satu metode yang digunakan untuk memprediksi harga minyak mentah dunia adalah Ensemble -Nearest Neighbor ( NN). Teknik ini menggabungkan hasil prediksi dari berbagai model NN untuk akurasi dan stabilitas prediksi yang lebih baik. Algoritma ini berfokus pada menemukan tetangga-tetangga terdekat dari titik data yang ingin diprediksi berdasarkan nilai-nilai fitur dari tetangga-tetangga tersebut. Berdasarkan analisis yang dilakukan, penggunaan ensemble dalam metode NN dapat meningkatkan akurasi prediksi, dengan MAPE sebesar 11.11%. Sedangkan model NN tunggal hanya mampu memperoleh MAPE terkecil sebesar 12.81%. Adapun prediksi harga minyak dunia Januari hingga Desember 2023 menunjukkan tren penurunan yang stabil meskipun juga terjadi fluktuasi hargai.

References

Ahmad, A. A. (2007). Pengaruh Fluktuasi Harga Minyak Pada Ekspor Minyak Mentah Negara-negara Wilayah OPEC(Periode 1970-2005). Eko Regional, Vol 2, No.(1), 44.

Dalimunthe, Y. K., & Rosyidan, C. (2018). Keterkaitan Harga Minyak Indonesia Dengan Harga Minyak Dunia Melalui Koefisien Korelasi. PETRO:Jurnal Ilmiah Teknik Perminyakan, 5(1), 22–27. https://doi.org/10.25105/petro.v5i1.1980

Gustriansyah, R. (2017). Analisis Metode Single Exponential Smoothing Dengan Brown Exponential Smoothing Pada Studi Kasus Memprediksi Kuantiti Penjualan Produk Farmasidi Apotek. Seminar Nasional Teknologi Informasi Dan Multimedia, 7–12.

Jusman, M., Nur’eni, N., & Handayani, L. (2022). Metode Ensemble K-Nearest Neighbor untuk Prediksi Indeks Harga Saham Gabungan (IHSG) di Indonesia. Jurnal Matematika, Statistika dan Komputasi, 18(3), 423–433. https://doi.org/10.20956/j.v18i3.19641

Kang, S. (2021). k-Nearest Neighbor Learning with Graph Neural Networks. Mathematics, 9(8). https://doi.org/10.3390/math9080830

Leoresta, M. P. A., & Sulasmiyati, S. (2017). Pengaruh Produksi Minyak Opec, Gdp Manufacture Output, Konsumsi Minyak, dan Net Ekspor Manufaktur terhadap Fluktuasi Harga Minyak Opec (Studi pada 5 Negara Manufaktur Terbesar dan Perbandingannya dengan Indonesia Periode 1980-2015). Jurnal Administrasi Bisnis, 50(5), 152–161.

Martínez, F., Charte, F., Frías, M. P., & Martínez-Rodríguez, A. M. (2022). Strategies for Time Series Forecasting with Generalized Regression Neural Networks. Neurocomputing, 491, 509–521. https://doi.org/10.1016/j.neucom.2021.12.028

Martínez, F., Frías, M. P., Charte, F., & Rivera, A. J. (2019). Time series forecasting with KNN in R: The tsfknn Package. R Journal, 11(2), 229–242. https://doi.org/10.32614/rj-2019-004

OPEC. 2022. OPEC?: Brief History. OPEC. Dalam https://www.opec.org/opec_web/en/about_us/24.htm (diakses pada 20 November 2022)

Sinta, D., Wijayanto, H., & Sartono, B. (2014). Ensemble K-Nearest neighbors method to predict rice price in Indonesia. Applied Mathematical Sciences, 8(157–160), 7993–8005. https://doi.org/10.12988/ams.2014.49721

Downloads

Published

20-08-2023

How to Cite

Fajri, M., Syafriandi, S., Vionanda, D., & Zilrahmi, Z. (2023). Prediksi Harga Minyak Mentah Dunia Menggunakan Metode Ensemble k-Nearest Neighbor . Jurnal Pendidikan Tambusai, 7(2), 17357–17368. https://doi.org/10.31004/jptam.v7i2.9115

Issue

Vol. 7 No. 2 (2023): Agustus 2023

Section

Articles of Research

Citation Check

License

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).