Khoirun Nisa Harahap
Institut Teknologi Sawit Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Perbandingan Support Vector Regression dan Long Short-Term Memory untuk Prediksi Harga Crude Palm Oil Berjangka Khoirun Nisa Harahap; Ratu Mutiara Siregar; Raden Aris Sugianto
Journal of Computers and Digital Business Vol. 5 No. 3 (2026): Articles in Press
Publisher : PT. Delitekno Media Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i3.996

Abstract

Indonesia sebagai produsen Crude Palm Oil (CPO) terbesar dunia memerlukan sistem prediksi harga yang akurat untuk mendukung pengambilan keputusan strategis. Penelitian ini membandingkan kinerja algoritma Support Vector Regression (SVR) dan Long Short-Term Memory (LSTM) dalam memprediksi harga CPO berjangka Bursa Malaysia menggunakan 1.426 data harian dari Investing.com periode 2 Januari 2020 hingga 30 Desember 2025. Data diproses melalui pembersihan, normalisasi Min-Max, dan pembentukan sekuens dengan lookback 30, lalu dibagi secara kronologis dengan rasio 80:20. SVR menggunakan kernel Radial Basis Function (RBF) dengan penyetelan parameter melalui GridSearchCV, sedangkan LSTM dibangun dengan arsitektur dua lapis dan Early Stopping. Evaluasi dengan RMSE dan MAPE menunjukkan kedua model mencapai akurasi sangat baik dengan MAPE di bawah 2% pada data uji. SVR memperoleh MAPE 1,29% dan RMSE 76,17 MYR/ton, sedangkan LSTM memperoleh MAPE 1,32% dan RMSE 75,22 MYR/ton. Perbedaan antar model sangat kecil sehingga tidak dapat diklaim signifikan secara statistik tanpa uji formal. Temuan ini mengindikasikan bahwa SVR dan LSTM memiliki kapabilitas setara untuk prediksi harga CPO jangka pendek berbasis data historis, dengan keterbatasan yang sama dalam menghadapi guncangan eksternal yang tidak terepresentasi pada variabel input.