<![CDATA[Fluktuasi harga minyak global menimbulkan volatilitas tinggi pada harga aspal dan menciptakan ketidakpastian dalam perencanaan bisnis. Penelitian ini mengembangkan model multivariate forecasting harga aspal menggunakan algoritma Gated Recurrent Unit (GRU). Proses penelitian mengikuti tahapan Business Understanding, Data Understanding, Data Preprocessing, Data Modelling, Evaluation, dan Deployment. Data yang dianalisis mencakup harga aspal (kategori low dan high) serta harga minyak global (close) periode 2016–2023, dengan total 371 observasi. Hasil eksplorasi menunjukkan bahwa harga minyak menjadi prediktor dominan terhadap perubahan harga aspal. Evaluasi model memperlihatkan kinerja GRU yang sangat baik dengan nilai rata-rata MAE 6,2441, RMSE 8,2880, dan R² sebesar 96,05%, yang menandakan kemampuan model dalam mengenali pola deret waktu secara akurat. Namun demikian, keterbatasan penelitian ini terletak pada cakupan data yang bersumber dari satu perusahaan dengan rentang waktu terbatas, sehingga berpotensi menimbulkan bias representatif. Selain itu, model GRU cenderung sensitif terhadap parameter pelatihan dan ukuran windowing, yang dapat mempengaruhi stabilitas hasil pada data dengan pola musiman ekstrem. Dalam implementasi praktis, integrasi GRU ke dalam sistem bisnis juga memerlukan kapasitas komputasi dan pembaruan model berkala agar hasil prediksi tetap adaptif terhadap dinamika pasar global. Model akhir diimplementasikan dalam dashboard interaktif berbasis Power BI untuk mendukung visualisasi tren harga dan mempercepat pengambilan keputusan strategis]]>
