OPTIMALISASI MODEL LONG SHORT TERM MEMORY (LSTM) DENGAN ADAM OPTIMIZER UNTUK PREDIKSI HARGA WEST TEXAS INTERMEDIATE (WTI) CRUDE OIL

Nanda Dwi Febriyanti, . (2025) OPTIMALISASI MODEL LONG SHORT TERM MEMORY (LSTM) DENGAN ADAM OPTIMIZER UNTUK PREDIKSI HARGA WEST TEXAS INTERMEDIATE (WTI) CRUDE OIL. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text 1_Cover_123210187_Nanda Dwi Febriyanti.pdf Download (211kB)
	Text 2_Abstrak_123210187_Nanda Dwi Febriyanti.pdf Download (332kB)
	Text 3_Halaman Pengesahan_123210187_Nanda Dwi Febriyanti.pdf Download (299kB)
	Text 4_Daftar Isi_123210187_Nanda Dwi Febriyanti.pdf Download (244kB)
	Text 5_Daftar Pustaka_123210187_Nanda Dwi Febriyanti.pdf Download (202kB)
	Text 6_Skripsi Full_123210187_Nanda Dwi Febriyanti.pdf Restricted to Repository staff only Download (3MB)

Abstract

Harga minyak mentah West Texas Intermediate (WTI) yang fluktuatif menjadi perhatian penting bagi pelaku ekonomi dan industri energi. Prediksi harga yang akurat dapat membantu dalam pengambilan keputusan strategis dan meminimalkan risiko kerugian. Penelitian sebelumnya yang menggunakan Recurrent Neural Network (RNN) memiliki keterbatasan dalam mengingat informasi jangka panjang sehingga menghasilkan nilai error yang tinggi. Untuk mengatasi kelemahan tersebut, dikembangkan model Long Short Term Memory (LSTM) yang mampu mempelajari dependensi jangka panjang pada data deret waktu. Namun, performa model LSTM sangat dipengaruhi oleh pemilihan optimizer dan konfigurasi hyperparameter yang digunakan. Berdasarkan penelitian sebelumnya, penggunaan RMSProp pada model LSTM menghasilkan tingkat error yang tinggi.
Untuk mengatasi masalah tersebut, penelitian ini berfokus pada optimalisasi model Long Short Term Memory (LSTM) menggunakan Adaptive Moment Estimation (Adam) optimizer melalui hyperparameter tuning grid search untuk memprediksi harga harian West Texas Intermediate (WTI) crude oil pada komponen Open, High, Low, dan Close (OHLC). Adam optimizer dipilih karena memiliki kemampuan adaptif dalam menyesuaikan laju pembelajaran, sehingga diharapkan dapat menurunkan tingkat error model LSTM. Data yang digunakan berupa harga harian WTI crude oil dari 1 Juli 2020 hingga 29 Agustus 2025 sebanyak 1.354 data. Tahapan preprocessing mencakup normalisasi ke rentang (0–1), pembentukan sliding window sepanjang 30 timesteps, serta pembagian data menjadi 80% data latih dan 20% data uji. Proses grid search digunakan untuk menentukan kombinasi hyperparameter terbaik, meliputi jumlah neuron (64, 128), jumlah layer (2, 3), batch size (32, 64), epoch (50, 100, 150, 200), dan learning rate (0.01, 0.001). Evaluasi performa model dilakukan menggunakan metrik Mean Absolute Percentage Error (MAPE).
Hasil pengujian menunjukkan bahwa kombinasi hyperparameter terbaik untuk model LSTM-Adam diperoleh pada 100 epoch, batchsize 32, tiga layer, 64 neuron per layer, dan learning rate 0,01. Model ini menghasilkan nilai MAPE sebesar 1,18%, lebih baik dibandingkan LSTM-RMSProp sebesar 2,63% dan RNN-Adam sebesar 1,76%. Sementara itu, hasil pengujian prediksi harian menggunakan model LSTM-Adam menunjukkan tingkat error yang rendah pada masing-masing komponen harga, yaitu Open 0,008%, High 0,200%, Low 0,382%, dan Close 0,012%. Sebaliknya, LSTM-RMSProp memiliki error yang jauh lebih tinggi, yaitu Open 0,441%, High 2,128%, Low 1,463%, dan Close 1,699%, sedangkan RNN-Adam menunjukkan error Open 1,103%, High 1,192%, Low 1,044%, dan Close 0,625%. Perbandingan tersebut menunjukkan bahwa penggunaan Adam optimizer memberikan hasil prediksi yang lebih akurat pada seluruh komponen harga harian (OHLC). Selain itu, penerapan pendekatan rolling forecast memungkinkan model beradaptasi terhadap perubahan kondisi pasar dengan memanfaatkan data terbaru dalam melakukan prediksi harga harian WTI crude oil.

Kata Kunci: WTI Crude oil, LSTM, Adam Optimizer, Hyperparameter Tuning, Grid Search, Prediksi Time Series.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	NANDA DWI FEBRIYANTI (Penulis - 123210187) Dessyanto Boedi P., S.T., M.T. (Pembimbing)
Uncontrolled Keywords:	WTI Crude oil, LSTM, Adam Optimizer, Hyperparameter Tuning, Grid Search, Prediksi Time Series.
Subjek:	T Technology > T Technology (General) T Technology > TN Mining engineering. Metallurgy
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	23 Oct 2025 06:37
Last Modified:	23 Oct 2025 06:37
URI:	http://eprints.upnyk.ac.id/id/eprint/44880

Actions (login required)

View Item