Pemodelan Pergerakan Harga Minyak Bumi Menggunakan Machine Learning

Ghiffary, Muhammad Fariz (2021) Pemodelan Pergerakan Harga Minyak Bumi Menggunakan Machine Learning. Undergraduate thesis, Universitas Pembangunan Jaya.

	Text 0 - COVER.pdf Download (98kB)
	Text 2 - ABSTRACT.pdf Download (71kB)
	Text 3 - ABSTRAK.pdf Download (139kB)
	Text 8 - BAB I.pdf Download (97kB)
	Text 14 - DAFTAR PUSTAKA.pdf Download (206kB)

Abstract

Indonesia merupakan salah satu negara yang memiliki sumber daya alam berlimpah. Tidak hanya berupa rempah-rempah saja namun juga batu bara, tembaga, nikel, pasir besi, biji timah, minyak bumi dan lain-lainnya. Minyak bumi merupakan sumber daya alam yang tidak bisa diperbarui. Sektor minyak bumi merupakan salah satu andalan untuk mendapatkan devisa dalam rangka keberlangsungan pembangunan negara. Namun meningkatnya kebutuhan akan minyak tersebut yang bisa dikatakan cukup tinggi dan juga harga minyak dunia yang sering kali mengalami fluktuasi yang menyebabkan harga sering berubah�ubah menyebabkan masyarakat harus bersusah payah dalam mendapatkan minyak untuk kebutuhan hidup mereka sehari-hari. Identifikasi masalah dalam penelitian ini adalah mencari cara membuat sebuah model harga minyak bumi, dan tingkat akurasi beserta prediksi dari perbandingan algoritma KNN dengan Random Forest. Tujuan dari penelitian ini adalah membandingkan algoritma KNN dengan Random Forest untuk membuat sebuah model harga minyak bumi, dan mengukur hasil akurasi dari kedua algoritma tersebut. Metode penelitian yang digunakan pada penelitian ini adalah metode penelitian kuantitatif. Metode pengumpulan data dilakukan menggunakan metode observasi dan studi referensi. Metode pengujian data yang digunakan adalah white box testing. Hasil penelitian ini menunjukkan bahwa algoritma K-NN dapat diterapkan dalam membuat sebuah model harga minyak bumi. Setelah membandingkan hasil algoritma KNN dengan Random Forest, terbukti model algoritma KNN lebih optimal dibandingkan dengan Random Forest. Model algoritma K-NN memiliki hasil R2 0.99388, dan RMSE 0,01797, sedangkan model algoritma Random Forest memiliki hasil R2 0.99368, dan RMSE 0,01813.

Item Type:	Karya Tulis Ilmiah (KTI) (Undergraduate)
Uncontrolled Keywords:	Model, Minyak Bumi, Machine Learning, K-Nearest Neighbors, Random Forest.
Subjects:	S Agriculture > SD Forestry
Divisions:	Fakultas Teknologi dan Desain > Informatika
Depositing User:	Magang Thufalia Rasya
Date Deposited:	26 Jan 2022 04:46
Last Modified:	26 Jan 2022 04:46
URI:	http://eprints.upj.ac.id/id/eprint/2337

Actions (login required)

View Item