digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Vabila Magareta
PUBLIC Irwan Sofiyan

COVER_Vabila Magareta.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB I_Vabila Magareta.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB II_Vabila Magareta.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB III_Vabila Magareta.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB IV_Vabila Magareta.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB V_Vabila Magareta.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB VI_Vabila Magareta.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

PUSTAKA Vabila Magareta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

LAMPIRAN_Vabila Magareta.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

Masyarakat Indonesia masih mengandalkan minyak mentah sebagai sumber energi terutama dalam kehidupan sehari-hari. Konsumsi minyak mentah tahunan Indonesia terus meningkat, sementara produksi dalam negeri terus merosot dan memaksa Indonesia berubah menjadi net importer. Sebagai negara net importer, Indonesia banyak membeli minyak mentah dari luar negeri sehingga harus terus memantau harga berbagai jenis minyak mentah yang ada di pasar. Hal ini karena harga minyak mentah yang dibeli menjadi salah satu input penyusunan berbagai kebijakan, seperti besar subsidi untuk BBM dan listrik dalam APBN, penentuan pendapatan dan pengeluaran negara, antisipasi inflasi, dan lain-lain. Sejauh ini, pemerintah Indonesia hanya menggunakan harga minyak mentah existing untuk menyusun kebijakan tersebut. Padahal, prediksi harga komoditas di masa mendatang merupakan input yang krusial dalam proses pengambilan keputusan suatu negara. Dengan demikian, penelitian ini bertujuan untuk mengembangkan sebuah metode prediksi harga minyak mentah, khususnya jenis WTI, Brent, dan Dubai, menggunakan nowcasting. Nowcasting dapat memberikan prediksi secara agile untuk keperluan pengambilan keputusan yang cepat, terutama di tengah kondisi dengan ketidakpastian besar, seperti pada masa pandemi COVID-19. Penelitian dilakukan dengan mengumpulkan data harga dan data prediktor berupa indeks pencarian Google Trends serta data USDX dari tanggal 1 Januari 2017 hingga 31 Desember 2021. Model prediksi yang digunakan adalah multiple linear regression, decision tree, random forest, dan gradient boost. Performa model prediksi diukur menggunakan MAPE, di mana model dengan MAPE terkecil akan dipilih sebagai model terbaik untuk jenis minyak mentah tertentu. Hasil penelitian menunjukkan model yang terbaik untuk jenis minyak mentah WTI dan Dubai adalah random forest dengan MAPE sebesar 10.20% dan 17.17%. Sementara itu, Brent memiliki nilai MAPE sebesar 4.75% dengan menggunakan model gradient boost.