Prediksi Harga Batu Bara Menggunakan Support Vector Regression (SVR)
| Main Author: | Bonita, Olivia |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/162134/1/Olivia%20Bonita.pdf http://repository.ub.ac.id/162134/ |
Daftar Isi:
- Prediksi merupakan salah satu kegiatan yang sering dilakukan untuk membantu penentuan suatu hal. Prediksi terhadap harga batu bara diperlukan sebagai pendukung keputusan bagi industri pemakai batu bara ketika pembelian batu bara. Hasil prediksi dapat digunakan untuk merancang penganggaran kebutuhan selanjutnya pada industri tersebut. Selain itu, harga batu bara yang dikeluarkan pemerintah tiap bulan sering kali mengalami fluktuasi sehingga susah untuk diprediksi. Berdasarkan kebutuhan tersebut, penelitian ini menggunakan metode Support Vector Regression (SVR) untuk memprediksi harga batu bara yang bersifat nonlinear. Data yang digunakan adalah harga batu bara acuan selama 108 bulan. SVR diterapkan melalui tahapan normalisasi data, menghitung matriks hessian, pencarian nilai α dengan sequential learning, dan perhitungan fungsi regresi. Kernel yang digunakan pada tahap matriks hessian mampu menentukan akurasi hasil prediksi, maka pada penelitian ini kernel Gaussian RBF dan kernel ANOVA diterapkan supaya dapat dianalisis pengaruhnya. Untuk memperoleh hasil prediksi dengan akurasi yang baik, dilakukan pengujian terhadap setiap parameter dan dievaluasi menggunakan Mean Absolute Percentage Error (MAPE). Pengujian memberikan rata‐rata nilai MAPE sebesar 9,64% dengan kernel Gaussian RBF dan 8,38% dengan kernel ANOVA pada 48 data latih untuk 12 data uji dan parameter optimal sebesar ε = 0,00001; cLR = 0,01; C = 0,5; λ = 0,5 pada kernel Gaussian dan 1 pada ANOVA. Metode SVR mampu memprediksi harga batu bara beberapa bulan selanjutnya, tetapi hasil optimal diperoleh saat memprediksi 1 bulan ke depan. Hasil prediksi dari kedua kernel memiliki perbedaan yang tidak terlalu besar dan MAPE ratarata dikategorikan sangat baik, tetapi kernel ANOVA bekerja lebih baik pada data harga batu bara.