Penerapan Jaringan Saraf Tiruan Untuk Memprediksi Pergerakan Harga Minyak Mentah Dunia Menggunakan Metode Backpropagation

vi
ABSTRAK

Setiap tahun pergerakan harga minyak dari waktu ke waktu selalu menjadi sorotan
pelaku ekonomi dunia. Pada kenyataannya pergerakan harga minyak yang terjadi
umumnya dapat dipahami dengan melihat pola kejadian di masa lalu. Penulis
memaparkan perancangan sistem prediksi harga minyak mentah dunia menggunakan
metode jaringan saraf tiruan backpropagation. Masukan dalam sistem ini adalah harga
minyak mentah menurut harga pasar WTI (West Texas Intermediate). Pada sistem ini
terdapat tahap pelatihan dan tahap prediksi. Tahap pelatihan digunakan untuk
mempelajari pola masukan sebanyak 320 data harga minyak yang terbagi dalam
empat neuron masukkan. Sedangkan tahap prediksi digunakan untuk menghasilkan
pola harga minyak dengan merujuk pada data yang dihasilkan di tahap pelatihan. Data
tersebut antara lain: bobot pelatihan, mean dan standart deviasi. Arsitektur jaringan
terdiri dari empat lapisan, satu lapisan masukan, dua lapisan tersembunyi dan satu
lapisan keluaran. Terdapat empat neuron pada lapisan masukan, 12 neuron pada
lapisan tersembunyi pertama, delapan neuron pada lapisan tersembunyi kedua dan
satu neuron pada lapisan keluaran. Dari proses pelatihan didapat nilai kesalahan
terbesar 8.86 x 10-6 dengan jumlah epoch terbesar 45 iteration, laju pembelajaran 0.1
dan momentum 0.9. Pada tahap pelatihan secara keseluruhan, hasil pencapaian sistem
diperoleh kecocokan 99.9%. Sedangkan, pada tahap prediksi jaringan saraf tiruan

diperoleh selisih harga minyak berkisar antara 0.1826 hingga 5.951 dengan tingkat
error RMSE sekitar 2.8996.
Katakunci: Jaringan Saraf Tiruan, Metode Backpropagation, Harga Minyak Mentah,
Kenaikan Harga Minyak, Prediksi

Universitas Sumatera Utara

vii
ARTIFICIAL NEURAL NETWORK IMPLEMENTATION FOR
PREDICTING THE WORLD CRUDE OIL PRICE MOVEMENT
USING BACKPROPAGATION METHOD

ABSTRACT

Every year the oil price movement is always a highlight in the global economy. In fact
the movement of oil price that occurred generally can be understood by looking at the
pattern of events in the past. In this study, the Author designed a system to predict
crude oil price using the backpropagation method of artificial neural network. Input of
this system is the price of crude oil according to the market price of WTI (West Texas
Intermediate). In this system, there are training and prediction phases. Training phase

is used to learn the patterns of input which consisted of 320 oil price data distributed
into four neurons. While the obtained prediction phase is used to produced oil price
pattern based on parameter which is obtained during training phase such as: training
weight, mean and standard of deviation. Network architecture consisted of four layers,
one input layer, two hidden layers and one output layer. There are four neurons in the
input layer, 12 neurons in the first hidden layer, eight neurons in the second hidden
layer and one neuron in output layer. From the training process the largest obtained
error is 8.86 x 10-6 with the maximum epoch reached was 45 iterations, the learning
rate 0.1 and momentum 0.9. In training phase, in overall, the results of system was
99.9%. while, in the neural network artificial prediction phase, the different of oil
price obtained in the range between 0.1826 to 5.951 with the RMSE error level of
2.8996.
Keywords: Artificial Neural Networks, Backpropagation method, Crude Oil Prices,
Rising Oil Prices, Forecasting
.

Universitas Sumatera Utara