ABSTRAKSI: Minyak mentah merupakan komoditas yang sangat penting. Karena minyak mentah merupakan sumber energi utama yang sangat dibutuhkan di seluruh dunia. Sehingga perubahan harga minyak mentah dunia akan sangat berpengaruh terhadap keadaan ekonomi suatu negara terserbut. Untuk meramalkan kurs minyak mentah, maka data historis kurs minyak mentah yang merupakan data time series akan dipelajari hingga dihasilkan program peramalan tertentu.
Pada tugas akhir ini dikembangkan suatu program untuk memperkirakan kurs minyak mentah berdasarkan data historis kurs minyak mentah dengan menggunakan Algoritma Jordan Recurrent neural Network. Semakin optimal Jordan Recurrent neural Network yang dibangun maka semakin tinggi pula akurasi yang dihasilkan. Dengan menggunakan Backpropagation Through Time dapat diperoleh bobot RNN yang optimal.
Data yang digunakan adalah data historis kurs minyak mentah dari bulan dari Januari 1986 sampai dengan Desember 2011. Berdasarkan data tersebut Jordan Recurrent neural Network memperkirakan kurs minyak mentah bulan berikutnya berdasarkan input kurs minyak mentah beberapa bulan sebelumnya. Dari proses training dan validasi, didapatkan rata-rata akurasi terbaik sebesar 95,55% untuk data training dan validasi. Dari proses pengujian, didapatkan rata-rata akurasi terbaik sebesar 91,87 % untuk data testing.Kata Kunci : Jordan Recurrent Neural Network, kurs minyak mentah, data time series, Backpropagation Through Time.ABSTRACT: Crude oil is a very important commodity. Because crude oil is the main energy sources are desperately needed in the whole world. So that the world crude oil price changes will greatly affect the economic situation of a country terserbut. To predict the rate of crude oil, the crude rate of historical data which is the time series data generated will be studied until a specific forecasting program.
At this final project developed a program to estimate the crude rate based on historical data rates of crude oil by using Jordan Recurrent Neural Network Algorithm. The more optimal Jordan Recurrent Neural Network is constructed, the higher the resulting accuracy. By using the Backpropagation Through Time can be obtained RNN weights are optimal.
The data used are crude rates historical data from the month of January 1986 until December 2011. Based on data from the Jordan Recurrent Neural Network estimate crude rates next month based on the input rate of crude oil a few months earlier. Of training and validation process, obtained the best average accuracy of 95.55% for training data and validation. Of the testing process, obtained the best average accuracy of 91.87% for data testing.Keyword: Jordan Recurrent Neural Network, crude rate, time series data, Backpropagation Through Time