Perbandingan Metode ARIMA dan Fuzzy Time Series dalam Peramalan Harga Minyak Mentah West Texas Intermediate

Abstract

Minyak dunia merupakan komoditas penting dan bernilai tinggi di pasar internasional. Salah satu jenis minyak mentah dunia adalah West Texas Intermediate (WTI) yang memiliki kandungan sulfur 0,24% dan gravity 39,6 derajat. Patokan harga minyak WTI digunakan oleh Amerika Serikat dan sangat mempengaruhi pasar global. Amerika Serikat menyumbang 36,3% pasar modal global sehingga menjadikan harga WTI sebagai standar internasional. Di pasar global, minyak mentah sangat aktif diperdagangkan dengan volatilitas tahunan 25% sehingga menyebabkan fluktuasi harga yang sulit diprediksi dan berdampak pada perekonomian dunia, terutama negara berkembang seperti Indonesia. Kenaikan harga minyak yang signifikan dan ketidakpastian ekonomi global mempengaruhi semua sektor masyarakat. Peramalan harga minyak yang akurat penting untuk pengambilan keputusan para pemangku kepentingan. Peramalan menggunakan data historis melibatkan metode seperti Autoregressive Integrated Moving Average (ARIMA) dan fuzzy time series (FTS). Penelitian ini membandingkan metode ARIMA dan fuzzy time series Stevenson Porter untuk peramalan harga minyak WTI dan dievaluasi berdasarkan nilai MAPE terkecil. Kedua metode berfungsi sangat baik dalam peramalan, dengan ARIMA menunjukkan kestabilan dalam membaca pola data yang lebih baik dan MAPE senilai 1,45% sedangkan nilai MAPE untuk FTS Stevenson Porter senilai 2,13%. Hal ini menunjukkan akurasi peramalan yang sangat baik dari kedua metode.

World oil is an important and highly valuable commodity in the international market. One type of crude oil is West Texas Intermediate (WTI), which has a sulfur content of 0,24% and a gravity of 39,6 degrees. The price benchmark for WTI oil is used by the United States and significantly influences the global market. The United States accounts for 36,3% of the global capital market, making WTI prices an international standard. In the global market, crude oil is actively traded with an annual volatility of 25%, causing price fluctuations that are difficult to predict and impacting the global economy, especially developing countries like Indonesia. Significant increases in oil prices and global economic uncertainty affect all sectors of society. Accurate oil price forecasting is important for stakeholders' decision-making. Forecasting using historical data involves methods such as Autoregressive Integrated Moving Average (ARIMA) and fuzzy time series (FTS). This study compares the ARIMA and fuzzy Time Series Stevenson Porter methods for forecasting WTI oil prices and evaluates them based on the smallest MAPE value. Both methods perform very well in forecasting, with ARIMA showing better stability in reading data patterns and a MAPE of 1,45%, while the MAPE for FTS Stevenson Porter is 2,13%. This indicates a very good forecasting accuracy for both methods.