PERAMALAN HARGA MINYAK MENTAH MENGGUNAKAN GEOMETRIC BROWNIAN MOTION TERMODIFIKASI KALMAN FILTER

FORECASTING CRUDE OIL PRICES USING GEOMETRIC BROWNIAN MOTION MODIFIED KALMAN FILTER

Harga minyak mentah memiliki pengaruh yang signifikan terhadap perekonomian global. Hal ini dikarenakan kenaikan harga minyak dapat meningkatkan biaya produksi, sehingga harga produk meningkat. Harga produk yang tinggi menyebabkan stagnansi pasar. Oleh karena itu, pemahaman berkelanjutan tentang pergerakan harga minyak mentah dunia penting untuk pengembangan dan pertumbuhan ekonomi. Beberapa model matematika dapat digunakan dalam memprediksi pergerakan harga minyak, salah satu yang dapat digunakan adalah Geometric Brown Motion termodifikasi kalman filter. Dalam penelitian ini metode yang digunakan adalah Geometric Brown Motion (GBM) dan Geometric Brown Motion termodifikasi kalman filter (GBM-KF). Metode tersebut digunakan untuk memprediksi data harga minyak mentah per barel jenis West Texas Intermediate (WTI) dan Brent. Hasil dari penelitian ini menunjukkan bahwa metode GBM-KF menghasilkan MAPE sebesar 2,586460% untuk minyak mentah jenis WTI dan 2,347990% untuk minyak mentah jenis Brent. MAPE tersebut lebih kecil dari lintasan terbaik GBM yang menghasilkan MAPE sebesar 2,621398% untuk minyak mentah jenis WTI dan 2,655381% untuk minyak mentah jenis Brent. Kedua metode tersebut menghasilkan MAPE < 10% yang mengindikasikan bahwa kedua metode tersebut mempunyai tingkat akurasi peramalan yang tinggi untuk kasus ini.

Crude oil prices have a profound impact on the global economy. Rising oil prices can lead to higher production costs, which in turn can drive up product prices. Elevated product prices can cause market stagnation. Therefore, a continuous understanding of world crude oil price movements is crucial for economic development and growth. Various mathematical models can be employed to predict crude oil price movements. One such model is the modified Kalman filter Geometric Brown Motion (GBM-KF). This study utilizes both the Geometric Brown Motion (GBM) and the modified Kalman filter Geometric Brown Motion (GBM-KF) methods to forecast the price of West Texas Intermediate (WTI) and Brent crude oil per barrel. The findings of this study reveal that the GBM-KF method produces a MAPE (Mean Absolute Percentage Error) of 2.586460% for WTI crude oil and 2.347990% for Brent crude oil. These MAPE values are lower than those obtained by the GBM’s best trajectory, which yields MAPE values of 2.621398% for WTI crude oil and 2.655381% for Brent crude oil. Both methods achieve MAPE values < 10%, indicating their high forecasting accuracy for this specific case.