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%.