PERAMALAN HARGA MINYAK MENTAH MENGGUNAKAN ENSEMBLE EMPIRICAL MODE DECOMPOSITION DAN RESILIENT BACKPROPAGATION

Sri Herawati, M Latif

Abstract


Peramalan harga minyak mentah dapat membantu pengambilan keputusan untuk kebijakan pemerintah, perekonomian maupun investor yang berhubungan dengan pasar energi. Dalam penelitian sebelumnya, Ensemble Empirical Mode Decomposition diintegrasikan dengan jaringan syaraf tiruan berdasarlan algoritma pembelajaran gradient descent. Data harga minyak mentah didekomposisi menggunakan Ensemble Empirical Mode Decomposition. Kemudian, hasil dekomposisi menjadi masukan untuk jaringan saraf tiruan untuk menghasilkan peramalan. Namun, algoritma gradient descent terlalu lama dalam melakukan proses pembelajaran. Dalam penelitian ini, algoritma gradient descent diganti dengan resilient backpropagation. Algoritma Resilient menggunakan tanda turunan dalam mengubah bobot dan bias jaringan sesuai dengan perilaku gradient dari setiap iterasi pelatihan. Tanda turunan tersebut akan menentukan arah perbaikan bobot dan bias, sehingga iterasi memerlukan jumlah yang lebih sedikit dalam mencapai jaringan yang optimal. Uji coba dalam penelitian ini menggunakan data runtun waktu harga minyak mentah jenis WTI dan Brent. Hasil uji coba menunjukkan hasil peramalan lebih baik dan jumlah epoch yang sedikit dibandingkan dengan algoritma Gradient Descent.

Full Text:

PDF

References


Xu B, Ouenniche J. A data envelopment analysis-based framework for the relative performance evaluation of competing crude oil prices volatility forecasting models. Energy Economics. 2012; 34 : 576 -583.

Shin H, Hou T, Park K, Park, C K, Choi S. Prediction of movement direction in crude oil prices based on semi-supervised learning. Decision Support Systems. 2013; 55 : 348 – 358.

Qianqian, Z. The Impact of International Oil Price fluctuation on China’s Economy. Energy Procedia. 2011; 5 : 1360–1364.

Abosedra S, Baghestani H. On the Predictive Accuracy of Crude Oil Future Prices. Energy Policy. 2004 ; 32 : 1389 -1393.

Herawati S, Djunaidy A. Peramalan Harga Minyak Mentah Menggunakan Gabungan Metode Ensemble Empirical Mode Decomposition (EEMD) dan Jaringan Syaraf Tiruan. Jurnal Simantec. 2014; 4 : 61 – 69.

Wu Z, Huang N E. Ensemble Empirical Mode Decomposition: a Derau Assisted Data Analysis Method. Centre for Ocean-Land-Atmosphere Studies. Technical Report. 193 :51. 2004.

Siang J. Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta : Andi Yogyakarta. 2009.

Riedmiller M, Braun H. A direct adaptive method for faster backpropagation learning: The RPROP algorithm. Proceedings of the international conference on neural networks. San Francisco. 1993; 1: 586 – 591.

Shiblee Md, Chandra B, Kalra P K. Learning of geometric mean neuron model using resilient propagation algorithm. Expert Systems with Applications. 2010; 37 : 7449 – 7455.

Mohan L S. Peak load forecasting using Bayesian regularization, Resilient and adaptive backpropagation learning based artificial neural network. Electric Power Systems Research. 2008; 78: 1302 – 1310.




DOI: https://doi.org/10.22219/sentra.v0i1.2102

Refbacks

  • There are currently no refbacks.


Seketariat

Fakultas Teknik

Universitas Muhammadiyah Malang Kampus III

Jl. Raya Tlogomas 246 Malang, 65144