Prediksi Harga Batu Bara Menggunakan Support Vector Regression (SVR)

Bonita, Olivia (2018) Prediksi Harga Batu Bara Menggunakan Support Vector Regression (SVR). Sarjana thesis, Universitas Brawijaya.

Abstract

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.

English Abstract

Predicting is a activity that often done to help deciding something. Coal price prediction is needed as decision support for coal user industrial to buy coal. Prediction result can be used for designingnext budgeting requirements. Furthermore, coal price issued by government every month often experience fluctuations so that it is hard to predict. Based on the requirements, this research use Support Vector Regression (SVR) method to predict nonlinear coal price. Data for this research is coal price reference for 108 months. SVR is applied through data normalization, hessian matrix calculation, α searching thru sequential learning, and regression function calculation. Kernel for hessian matrix stage can determine accuracy of prediction, so in this research Gaussian RBF kernel and ANOVA kernel are used and analyzed the effects. To obtain predictive results with good accuracy, testing of each parameter is performed and evaluated by Mean Absolute Percentage Error (MAPE). Testing gaveaverage MAPE value 9,64% with Gaussian RBF kernel and 8,38% with ANOVA kernel on 48 training data for 12 testing data and optimal parameters are ε = 0,00001; cLR = 0.01; C = 0.5; λ = 0.5 in Gaussian kernel and 1 in ANOVA kernel. SVR method can predict coal price for next several months, but optimal result is obtained when predicting 1 month ahead. The predicted results of the two kernels are not too different and average MAPE categorized as very well, but the ANOVA kernel works better on this coal price data.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2018/554/051808398
Uncontrolled Keywords:	SKR/FTIK/2018/550/051808394 harga batu bara, prediksi, support vector regression, gaussian RBF, ANOVA, mean absolute percentage error coal price, prediction, support vector regression, gaussian RBF, ANOVA, mean absolute percentage error
Subjects:	000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	31 Jan 2019 02:16
Last Modified:	21 Oct 2021 03:06
URI:	http://repository.ub.ac.id/id/eprint/162134

Text Olivia Bonita.pdf Download (0B)

Actions (login required)

View Item