View/Open

Author
ASRIZAL,

Date Published
10 Jun 2026

Advisor
Luluk Muthoharoh, S.Si., M.Si.,
Linda Rassiyanti, S.Si., M.Si.,

Subject
Sains Data

Publisher

Crude Palm Oil (CPO) atau minyak kelapa sawit mentah merupakan komoditas strategis yang memiliki peran penting dalam perekonomian global, terutama bagi Indonesia dan Malaysia. Namun, harga CPO cenderung fluktuatif akibat pengaruh berbagai faktor eksternal, sehingga diperlukan model prediksi yang akurat dan andal untuk mendukung pengambilan keputusan. Penelitian ini bertujuan untuk mengevaluasi kinerja model CNN-LSTM dalam memprediksi harga CPO dengan mengintegrasikan harga minyak mentah Brent dan nilai tukar MYR/USD, serta membandingkannya dengan model LSTM tunggal dan menghasilkan prediksi harga untuk lima hari ke depan. Data yang digunakan berupa deret waktu harian periode Januari 2015 hingga Desember 2025 yang diproses menggunakan metode sliding window sepanjang 60 hari. Hasil pengujian menunjukkan bahwa konfigurasi terbaik model CNN-LSTM diperoleh pada epoch 150, batch size 16, dan learning rate 0,0005 dengan penambahan lapisan CNN sebanyak 128 filter dan kernel size 3. Model CNN-LSTM menghasilkan nilai MAPE sebesar 1,24%, lebih rendah dibandingkan model LSTM tunggal sebesar 1,32%, serta mampu memprediksi harga CPO lima hari ke depan dengan selisih relatif kecil terhadap data aktual. Hasil ini menunjukkan bahwa kombinasi CNN-LSTM dan integrasi variabel eksternal mampu meningkatkan akurasi prediksi harga CPO dan berpotensi mendukung pengambilan keputusan strategis bagi pemerintah, pelaku industri, dan investor.

URI
https://repo.itera.ac.id/depan/submission/SB2606220109

Keyword
Crude Palm Oil CNN-LSTM LSTM Minyak Mentah Nilai Tukar Prediksi Harga