Evaluasi Antar Model Machine Learning Dalam Memprediksi Harga Future Crude Palm Oil (FCPO)

Muhammad, Surya Putra Fadilla (2025) Evaluasi Antar Model Machine Learning Dalam Memprediksi Harga Future Crude Palm Oil (FCPO). Skripsi thesis, Universitas Tanjungpura.

	Text (Cover-Bab I) Cover-Bab1_C1021211020.pdf - Published Version Download (332kB)
	Text (C1021211020_MUHAMMAD SURYA PUTRA FADILLAH) C1021211020_MUHAMMAD SURYA PUTRA FADILLAH.pdf - Accepted Version Restricted to Repository staff only Download (3MB)

Abstract

Penelitian ini bertujuan untuk mengevaluasi kinerja dari tiga model machine learning Prophet, XGBoost, dan Long Short-Term Memory (LSTM) dalam memprediksi harga kontrak berjangka minyak sawit mentah (FCPO) yang diperdagangkan di Bursa Derivatif Malaysia. Dengan pendekatan multivariat time series forecasting, ketiga model diuji terhadap sepuluh variabel regresor potensial, termasuk harga komoditas global, nilai tukar mata uang, volume perdagangan, dan harga perdagangan karbon.Pengujian dilakukan melalui metode ablasi untuk menilai sensitivitas model terhadap masing-masing variabel, serta menggunakan MAE, RMSE, dan MAPE sebagai metrikevaluasi. Hasilnya menunjukkan bahwa model XGBoost secara konsisten menghasilkan kesalahan prediksi terendah dibandingkan Prophet dan LSTM. Uji Kruskal-Wallis dan uji lanjut Dunn menunjukkan perbedaan signifikan antar model,dengan XGBoost dan LSTM secara statistik lebih unggul daripada Prophet. Analisis kontribusi fitur menggunakan SHAP (Shapley Additive Explanations) pada model XGBoost menunjukkan bahwa hampir seluruh variabel memiliki kontribusi secarah eterogen antar variabelnya dalam memprediksi harga FCPO. Temuan ini merekomendasikan model ensemble seperti XGBoost sangat efektif dalam menangani data harga komoditas yang kompleks, berdimensi tinggi, dan volatil, serta mampu memberikan wawasan yang berguna terhadap faktor-faktor penentu harga FCPO

Actions (login required)

View Item