Fatah, Fatwa Fatahillah (2025) Prediksi Harga Minyak Sawit Menggunakan Support Vector Regression dengan Optimasi Particle Swarm Optimization (TA.2.25.052). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Crude Palm Oil (CPO) merupakan salah satu komoditas minyak nabati strategis yang memiliki peran penting dalam perekonomian global, khususnya bagi negara produsen utama seperti Indonesia dan Malaysia. Harga CPO dipengaruhi oleh berbagai faktor kompleks, mulai dari dinamika penawaran–permintaan global, kebijakan perdagangan, perkembangan energi terbarukan, hingga kondisi lingkungan dan cuaca. Fluktuasi harga yang cepat dan sulit diprediksi berdampak signifikan pada seluruh rantai pasok, mulai dari petani, industri pengolahan, hingga pengambil kebijakan. Oleh karena itu, diperlukan model prediksi yang akurat, adaptif, dan berkelanjutan untuk mendukung pengambilan keputusan serta perencanaan strategis berbasis sinyal pasar harian. Penelitian ini mengusulkan model Support Vector Regression (SVR) yang dioptimasi menggunakan Particle Swarm Optimization (PSO), kemudian dibandingkan dengan SVR tanpa optimasi. Data yang digunakan mencakup harga harian CPO (FCPO) di Bursa Malaysia Derivative selama periode tahun 2020 hingga tahun 2025. Proses preprocessing dilakukan untuk meningkatkan kualitas data, sementara PSO digunakan untuk menentukan kombinasi hyperparameter optimal dengan tujuan meminimalkan kesalahan prediksi dan meningkatkan stabilitas model secara keseluruhan. Hasil evaluasi menunjukkan bahwa PSO berhasil menemukan konfigurasi hyperparameter yang efektif, dengan nilai Mean Squared Error (MSE) terendah sebesar 0,018675. Model PSO-SVR terbukti lebih unggul dibandingkan SVR default, baik secara visual pada pola prediksi maupun dari sisi metrik evaluasi. Pada skala asli harga, model menghasilkan MAE sebesar 83,939, MAPE 1,84 persen, RMSE 119,881, dan R2 mencapai 0,9818, menandakan tingkat ketepatan prediksi yang sangat tinggi. Dengan konsistensi proyeksi terhadap tren terkini, temuan ini menegaskan PSO-SVR sebagai pendekatan yang akurat, adaptif, dan siap diimplementasikan dalam pemantauan operasional, pengendalian risiko, serta perencanaan taktis harga CPO. Kata kunci: Crude Palm Oil, Prediksi Harga, Support Vector Regression, Particle Swarm Optimization, Time Series, Forecasting
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 30 Sep 2025 04:18 |
| Last Modified: | 30 Sep 2025 04:18 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3693 |
Actions (login required)
 |
View Item |
