PERAMALAN HARGA MINYAK MENTAH INDONESIA JENIS SEPINGGAN YAKIN MIX MENGGUNAKAN MODEL HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE - NEURAL NETWORK

D. Anggraini, S. Wahyuningsih, Meiliyani Siringoringo
{"title":"PERAMALAN HARGA MINYAK MENTAH INDONESIA JENIS SEPINGGAN YAKIN MIX MENGGUNAKAN MODEL HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE - NEURAL NETWORK","authors":"D. Anggraini, S. Wahyuningsih, Meiliyani Siringoringo","doi":"10.36087/jrp.v5i2.138","DOIUrl":null,"url":null,"abstract":"Peramalan merupakan salah satu bidang penelitian yang aktif yang artinya sampai saat ini masih terus dilakukan penelitian mengenai proses peramalan runtun waktu terkait dengan proses pengambilan keputusan. Metode peramalan berkembang menjadi semakin cepat mengikuti perkembangan zaman dan teknologi komputasi. Terdapat hal yang menarik dari perkembangan tersebut ialah perbaikan metode peramalan runtun waktu bersifat hybrid, dengan menggabungkan dua jenis metode atau lebih yang berbeda, diharapkan dapat menjadi cara yang efektif dalam meningkatkan akurasi peramalan dibandingkan hanya dengan menerapkan satu metode saja. Salah satu metode hybrid yang dapat digunakan adalah Autoregressive Integrated Moving Average (ARIMA) dan Neural Network (NN). Tujuan dari penelitian ini adalah untuk memperoleh perbandingan kinerja peramalan harga minyak mentah Indonesia jenis Sepinggan Yakin Mix antara model ARIMA dan model hybrid ARIMA-NN tahun 2022. Berdasarkan hasil peramalan menggunakan model ARIMA, tingkat akurasi yang diperoleh dari peramalan data harga minyak mentah Indonesia jenis Sepinggan Yakin Mix yaitu ARIMA(0,1,1) sebesar 7,9661% dan model ARIMA(2,1,0) sebesar 7,7816% dan tingkat akurasi yang diperoleh menggunakan model  hybrid ARIMA(0,1,1)-NN 1 neuron sebesar 7,0910%, 2 neuron sebesar 7,0696%, 3 neuron sebesar 7,0661% dan menggunakan model  hybrid ARIMA(2,1,0)-NN 1 neuron sebesar 6,8972%, 2 neuron sebesar 6,8767%, 3 neuron sebesar 6,8692%. Kedua model menghasilkan kinerja peramalan yang sangat akurat untuk data tersebut karena nilai MAPE kedua model 10%. Namun nilai MAPE dari 6 model hybrid ARIMA-NN  cenderung lebih kecil dibandingkan nilai MAPE dari model ARIMA. Dengan demikian model hybrid ARIMA-NN dapat digunakan sebagai alternatif pemodelan harga minyak mentah Indonesia jenis Sepinggan Yakin Mix yang bisa dimanfaatkan sebagai pertimbangan pengambilan keputusan atau kebijakan dalam bidang energi dan sumber daya mineral khususnya industri minyak mentah Indonesia","PeriodicalId":326504,"journal":{"name":"JURNAL RISET PEMBANGUNAN","volume":"24 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-07-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JURNAL RISET PEMBANGUNAN","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36087/jrp.v5i2.138","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Peramalan merupakan salah satu bidang penelitian yang aktif yang artinya sampai saat ini masih terus dilakukan penelitian mengenai proses peramalan runtun waktu terkait dengan proses pengambilan keputusan. Metode peramalan berkembang menjadi semakin cepat mengikuti perkembangan zaman dan teknologi komputasi. Terdapat hal yang menarik dari perkembangan tersebut ialah perbaikan metode peramalan runtun waktu bersifat hybrid, dengan menggabungkan dua jenis metode atau lebih yang berbeda, diharapkan dapat menjadi cara yang efektif dalam meningkatkan akurasi peramalan dibandingkan hanya dengan menerapkan satu metode saja. Salah satu metode hybrid yang dapat digunakan adalah Autoregressive Integrated Moving Average (ARIMA) dan Neural Network (NN). Tujuan dari penelitian ini adalah untuk memperoleh perbandingan kinerja peramalan harga minyak mentah Indonesia jenis Sepinggan Yakin Mix antara model ARIMA dan model hybrid ARIMA-NN tahun 2022. Berdasarkan hasil peramalan menggunakan model ARIMA, tingkat akurasi yang diperoleh dari peramalan data harga minyak mentah Indonesia jenis Sepinggan Yakin Mix yaitu ARIMA(0,1,1) sebesar 7,9661% dan model ARIMA(2,1,0) sebesar 7,7816% dan tingkat akurasi yang diperoleh menggunakan model  hybrid ARIMA(0,1,1)-NN 1 neuron sebesar 7,0910%, 2 neuron sebesar 7,0696%, 3 neuron sebesar 7,0661% dan menggunakan model  hybrid ARIMA(2,1,0)-NN 1 neuron sebesar 6,8972%, 2 neuron sebesar 6,8767%, 3 neuron sebesar 6,8692%. Kedua model menghasilkan kinerja peramalan yang sangat akurat untuk data tersebut karena nilai MAPE kedua model 10%. Namun nilai MAPE dari 6 model hybrid ARIMA-NN  cenderung lebih kecil dibandingkan nilai MAPE dari model ARIMA. Dengan demikian model hybrid ARIMA-NN dapat digunakan sebagai alternatif pemodelan harga minyak mentah Indonesia jenis Sepinggan Yakin Mix yang bisa dimanfaatkan sebagai pertimbangan pengambilan keputusan atau kebijakan dalam bidang energi dan sumber daya mineral khususnya industri minyak mentah Indonesia
面相是一个积极的研究领域,这意味着到目前为止,还在继续研究与决策过程相关的时间层结构。随着时代和计算机技术的发展,算命的方法正在迅速发展。这一发展的有趣之处在于,时间时间连续体方法的改进,将两种或两种以上的方法结合起来,希望能有效地提高算命准确性,而不是仅仅使用一种方法。其中一种可以使用的混合方法是Autoregressive集成动动率(ARIMA)和神经网络(NN)。这项研究的目的是获得一种比较印尼原油价格的混合物,这种混合物是公元2022年的杂交品种。根据最先进的结果使用ARIMA模型,精确度印尼最先进的原油价格数据类型的一盘大小的确定混合ARIMA (0,1,1) 7,9661% ARIMA模型(2,1,0)7,7816%大小和使用混合动力车ARIMA模型获得的精确度(0,1,1)2 - 1万7,0910%神经元,小姐7,0696%万,3万7,0661%神经元和神经元使用混合动力车ARIMA模型(2,1,0)- 1小姐6,8972%万,2万6,8767%神经元,神经元3个神经元的长度是6.8692%。这两种模型的预测性能都非常准确,因为它们的模型值都是10%。但是六种混合模型中的MAPE的价值往往小于ARIMA模型中的MAPE。因此,混合模型可以作为一种替代印尼原油价格模型,一种自信的混合物,可以用来考虑能源和资源,特别是印度尼西亚原油工业的决策或政策
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信