Aplikasi Algoritma LSTM, GRU, dan Bi-LSTM untuk Memprediksi Harga Batu Bara Dunia
Abstract
Batu bara merupakan sumber energi yang banyak digunakan untuk pembangkit
listrik di dunia. Hal ini membuat harga batu bara dunia memiliki pengaruh yang besar
terhadap berbagai aspek. Harga batu bara dipengaruhi oleh berbagai faktor diantaranya
harga gas alam dan harga minyak mentah, sehingga dua peubah ini digunakan sebagai
peubah eksogen untuk memprediksi harga batu bara. Data yang digunakan merupakan
data bulanan (Januari 1990 hingga Mei 2023) dari ketiga peubah. Metode algoritma deep
learning digunakan pada penelitian ini karena memiliki keunggulan dalam menangkap
pola yang kompleks dan menangani variabel eksogen secara efektif. Keunggulan tersebut
sesuai untuk menangani harga batu bara yang dicirikan oleh ketidakhalusan, non linearitas, noise tinggi, dan kerentanan terhadap faktor eksternal yang kompleks.
Penelitian ini dilakukan untuk mendapatkan kombinasi hyperparameter epoch dan
neurons terbaik pada metode Long Short-Term Memory (LSTM), Gated Recurrent Unit
(GRU), dan Bidirectional LSTM (Bi-LSTM). Selain itu juga membandingkan performa
dari metode ketiga metode berdasarkan akurasi prediksi data harga batu bara dunia. Hasil
penelitian memberikan kombinasi hyperparameter terbaik epoch 80 dan neurons 64 pada
LSTM (MAPE=13,75%) serta epoch 50 dan neurons 64 pada Bi-LSTM
(MAPE=23,92%). GRU memiliki performa terbaik dibandingkan dua metode yang lain
dengan epoch 80 dan neurons 32 yang menghasilkan MAPE sebesar 9.41%.