Machine Learning Untuk Pemodelan Pergerakan Harga Batubara Newcastle Berjangka

Lasmanto, Evander Naufal (2022) Machine Learning Untuk Pemodelan Pergerakan Harga Batubara Newcastle Berjangka. Undergraduate thesis, Universitas Pembangunan Jaya.

[img] Text
1. Pendahuluan.pdf
Download (1MB)
[img] Text
2. Abstract.pdf
Download (95kB)
[img] Text
3. Abstrak.pdf
Download (95kB)
[img] Text
4. Daftar Isi.pdf
Download (168kB)
[img] Text
5. Daftar Gambar.pdf
Download (175kB)
[img] Text
6. Daftar Tabel.pdf
Download (95kB)
[img] Text
7. Daftar Lampiran.pdf
Download (93kB)
[img] Text
8. BAB I.pdf
Download (177kB)
[img] Text
9. BAB II.pdf
Download (324kB)
[img] Text
10. BAB III.pdf
Download (272kB)
[img] Text
11. BAB IV.pdf
Download (289kB)
[img] Text
12. BAB V.pdf
Download (1MB)
[img] Text
13. BAB VI.pdf
Download (98kB)
[img] Text
14. Daftar Pustaka.pdf
Download (239kB)
[img] Text
15. Lampiran.pdf
Download (4MB)

Abstract

Batubara merupakan komoditas pertambangan penghasil energi. Harga saham di bidang pertambangan batubara dapat dipengaruhi oleh pergerakan harga batubara Newcastle berjangka. Investor saham membutuhkan keahlian memprediksi pergerakan harga, sehingga diperlukan pemodelan pergerakan harga batubara Newcastle berjangka. Masalah yang diangkat adalah bagaimana membuat pemodelan pergerakan harga batubara Newcastle berjangka menggunakan algoritma K-Nearest Neighbors dan Vector Autoregression serta membandingkan tingkat akurasinya. Tujuan penelitian ini menyediakan pemodelan pergerakan harga batubara Newcastle berjangka serta membandingkan nilai akurasi dari algoritma machine learning tersebut. Penelitian ini dilaksanakan dengan metode kuantitatif. Pengumpulan data utama adalah historis data harga batubara Newcastle berjangka mulai dari Juli 2017 sampai dengan Juni 2021. Data pendukung berupa studi literatur terkait pemodelan pergerakan harga Batubara Newcastle berjangka menggunakan machine learning. Hasil yang diperoleh adalah pemodelan pergerakan harga batubara Newcastle berjangka disertai nilai akurasinya. K-Nearest Neighbors menghasilkan RMSE sebesar 0.04858 dan MAPE sebesar 3.9%, sedangkan Vector Autoregression menghasilkan RMSE sebesar 0.22504 dan MAPE sebesar 22.2%. Berdasarkan hasil RMSE dan MAPE yang diperoleh, K-Nearest Neighbors memberikan hasil yang lebih baik daripada Vector Autoregression pada pemodelan pergerakan harga batubara Newcastle berjangka.

Item Type: Karya Tulis Ilmiah (KTI) (Undergraduate)
Uncontrolled Keywords: Batubara Newcastle Berjangka, Algoritma K-NN, Algoritma Vector Autoregression.
Subjects: Q Science > QA Mathematics > QA76 Computer software
T Technology > T Technology (General)
Divisions: Fakultas Teknologi dan Desain > Informatika
Depositing User: Mr Evander Naufal Lasmanto
Date Deposited: 24 May 2022 04:08
Last Modified: 24 May 2022 04:08
URI: http://eprints.upj.ac.id/id/eprint/2631

Actions (login required)

View Item View Item