Peramalan Harga Mineral Acuan Nikel Indonesia Menggunakan Model Hybrid Intervensi-Neural Network

Febiani Putri Ardhana

doi:10.35580/variansiunm501

Febiani Putri Ardhana Universitas Mulawarman

DOI: https://doi.org/10.35580/variansiunm501

Keywords: fungsi step, HMA Nikel, Hybrid, Intervensi, Neural Network

Abstract

Data runtun waktu yang dipengaruhi kejadian eksternal sering menunjukkan perubahan mendadak dan pola nonlinier sehingga sulit dimodelkan dengan satu pendekatan tunggal. Model hybrid menjadi alternatif dengan mengombinasikan keunggulan model linier dan nonlinier untuk meningkatkan akurasi peramalan. Salah satu pendekatan yang dapat diterapkan adalah hybrid intervensi-Neural Network (NN). Penelitian ini bertujuan memperoleh model hybrid intervensi-NN terbaik untuk meramalkan Harga Mineral Acuan (HMA) nikel Indonesia menggunakan data bulanan Januari 2018-Februari 2025 yang dipengaruhi konflik Rusia-Ukraina pada Februari 2022. Pemodelan dilakukan dengan analisis intervensi fungsi step yang dikombinasikan dengan NN 1, 2, 3, dan 4 neuron. Luaran studi memperlihatkan bahwa model paling optimal yaituh model hybrid intervensi ARIMA (1,1,0) fungsi step yang dikombinasikan dengan NN 2 neuron serta nilai RMSE sebesar 1.074,3652 dan MAPE sebesar 4,7735%. Peramalan Maret 2025-Februari 2026 mengindikasikan kecenderungan penurunan harga

References

Aprisal, & Abadi, A. M. (2019). Fuzzy Sistem : Estimasi Harga Nikel Dunia. Jurnal Matematika Ilmiah STKIP Muhammadiyah Kuningan, 5(1), 48-58.
Aswi, & Sukarna. (2006). Analisis Deret Waktu Aplikasi dan Teori. Makassar: Andira Publisher.
Carista, N., Mahadesyawardani, A., Dwiyanto, A. S., & Pusporani, E. (2025). Forecasting Nickel Prices in Indonesia Using ARIMA, SVR, and Hybrid ARIMA-SVR Approach. Jurnal Matematika, Statistika, dan Komputasi, 21, 627-645.
Ditjen Minerba. (2025, Agustus 1). Harga Acuan. Diambil kembali dari Minerba ESDM: https://www.minerba.esdm.go.id/harga_acuan
Fausett, L. (1994). Fundamentals of Neural Network, Achitectures, Algorithms, and Applications. New Jersey: Prentice-Hall.
Hudiyanti, C., Bachtiar, F., & Setiawan, B. (2019). Perbandingan Double Moving Average dan Double Exponential Smoothing untuk Peramalan Jumlah Kedatangan Wisatawan Mancanegara di Bandara Ngurah Rai. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(3), 2667-2672.
Kusumaningrum, N., Purnamasari, I., & Siringoringo, M. (2023). Peramalan Menggunakan Model Hybrid ARIMAX-NN untuk Total Transaksi Pembayaran Nontunai. VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 5(1), 1-14.
Masrawanti, Wahyuningsih, S., & Hayati, M. (2019). Analisis Model Intervensi Fungsi Step Ganda untuk Peramalan Inflasi Indonesia ((Studi Kasus: Inflasi Indonesia Tahun 2009-2017). Jurnal Eksponensial, 10(2), 199-126.
Montgomery, D., Jenning, C., & Kulachi, M. (2008). Introduction to Time Series Analysis and Forecasting. New Jersey: John Wiley and Sons.
Natalia, D., & Hutabarat, E. C. (2025). Pengelolaan Risiko PT Vale Indonesia terhadap Volatilitas Harga Nikel akibat Konflik Geopolitik Global: Literature Review. Jurnal Ekonomi, Manajemen dan Akuntansi, 27(3), 427-433.
Primartha, R. (2018). Belajar Machine Learning Teori dan Praktek. Bandung: Informatika.
Puspitaningrum, D. (2006). Pengantar Jaringan Syaraf Tiruan. Yogyakarta: Penerbit ANDI.
Ramadhani, A., Wahyuningsih, S., & Siringoringo, M. (2022). Forecasting the Number of Foreign Tourist Visits to Indonesia Used Intervention Analysis with Step Function. Jurnal Matematika, Statistika dan Komputasi, 19(1), 146-162.
Saluza, I., Sartika, D., & Munarsih, E. (2022). Model Hybrid Menggunakan Dekomposisi-Neural Network Untuk Data Indeks Harga Saham Gabungan. Jurnal Ilmiah Informatika Global, 13(3), 206-213.
Suhartono. (2007). Teori dan Aplikasi Model Intervensi Fungsi Pulse. Jurnal Ilmiah MatStat, 79.
Wahidah, F. P., Wahyuningsih, S., & Siringoringo, M. (2024). Forecasting the Value of Indonesia’s Exports using Model Hybrid Arimax-NN. Science & Technology Asia, 29(4), 62-74.
Wahyuni, R. K., Wahyuningsih, S., & Siringoringo, M. (2023). Peramalan Harga Minyak Goreng di Kalimantan Timur Menggunakan Model Hybrid Time Series Regression Quadratic - Neural Network. Jurnal Eksponensial, 14(2), 75-84.
Wei, W. W. (2006). Time Series Analysis: Univariate and Multivariate Methods Second Edition. Boston: Pearson Education, Inc.
Zhang, G. P. (2003). Time Series Forecasting Using a Hybrid ARIMA and Neural Network Model. neurocomputing, 50, 159-175.