ABSTRAKSI: Minyak mentah merupakan salah satu komoditas penting dalam perdagangan dunia. fluktuasi harga minyak mentah bisa mempengaruhi kebijakan ekonomi suatu negara. Untuk mengatasi resiko kenaikan atau penurunan harga minyak diperlukan suatu sistem peramalan. Salah satu metode prediksi harga minyak mentah yaitu menggunakan data historis (time series). Metode ini bekerja dengan cara mencari pola perubahan harga minyak mentah berdasarkan data yang ada.
Pada tugas akhir ini digunakan Elman Recurrent Neural Network (ERNN) sebagai solusi pencarian pola. Namun pencarian parameter yang optimal pada ERNN cukup sulit. Oleh karena itu digunakan Algoritma Genetika Grid-based untuk mengoptimasi parameter ERNN. Metode Grid-based pada Algoritma Genetika ini sendiri digunakan untuk mengatasi permasalahan konvergensi prematur.
Pada pembangunan sistem ini digunakan data harga minyak dari tanggal 15 Mei 1987 hingga 14 Mei 2010. Dari proses pengujian terhadap sistem diperoleh nilai akurasi rata-rata sebesar 96,2674% untuk data testing.Kata Kunci : Algoritma Genetika, Elman Recurrent Neural Network, Harga Minyak Mentah, prediksi time series.ABSTRACT: Crude oil is one of the most important comodity in the world trade. Crude Oil price fluctuation could influence the economic policy of a nation. To manage the risk of crude oil price increase or decrease, a forecasting system is needed. one of crude oil price forecasting method is using historical data (time series).Tthis method works by finding patterns of Crude oil price change based on the existing data.
In this final project, Elman Recurrent Neural Network (ERNN) is used as pattern finder. However, it is quite difficult to find optimal parameter for the ERNN. Therefore Grid-based Genetic Algorithm is used to optimize the parameters of ERNN. Grid-based methods in Genetic Algorithm used to solve the problem of premature convergence.
Data of Crude Oil prices from May 15, 1987 until May 14, 2010 is used in the development of the system. From the testing process, the system has average accuracy of 96,3674 % for the testing data.Keyword: Genetic Algorithm, Elman Recurrent Neural Netwok, Crude Oil Prices, time series prediction.