Prediksi nilai impor migas di Indonesia menggunakan metode Support Vector Regression

INDONESIA:

Fluktuasi nilai impor minyak dan gas (migas) di Indonesia mendorong perlunya prediksi yang akurat guna mendukung perencanaan ekonomi nasional. Penelitian ini bertujuan untuk mengukur dan menganalisis tingkat error prediksi nilai impor migas menggunakan metode Support Vector Regression (SVR) dengan kernel Radial Basis Function (RBF). Data yang digunakan merupakan data impor migas bulanan periode 2015–2024 dari Badan Pusat Statistik (BPS), yang kemudian diolah melalui tahapan interpolasi, normalisasi, serta perekayasaan fitur dengan rolling mean, rolling standard deviation, differencing, dan seasonal lag. Model SVR diuji pada dua skenario pembagian data latih-uji, yaitu 80:20 dan 90:10, masing-masing dengan 27 kombinasi hyperparameter (C, epsilon, dan gamma). Hasil penelitian menunjukkan bahwa skenario terbaik pada rasio 80:20 diperoleh saat C = 1, epsilon = 0.001, dan gamma = 0.01 dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 4.38%, sedangkan pada rasio 90:10, konfigurasi optimal adalah C = 10, epsilon = 0.001, dan gamma = 0.001 dengan MAPE 4.36%. Temuan ini menunjukkan bahwa model SVR dengan tuning hyperparameter yang tepat mampu memberikan akurasi prediksi yang sangat baik (MAPE < 10%), sehingga dapat menjadi alat bantu yang andal bagi pengambilan keputusan dalam kebijakan perdagangan dan perencanaan energi nasional.

ENGLISH:

Fluctuations in Indonesia's oil and gas (O&G) import values highlight the need for accurate forecasting to support national economic planning. This study aims to measure and analyze the prediction error of O&G import values using the Support Vector Regression (SVR) method with a Radial Basis Function (RBF) kernel. The dataset consists of monthly O&G import data from 2015 to 2024, sourced from Statistics Indonesia (BPS), and is processed through interpolation, normalization, and feature engineering using rolling mean, rolling standard deviation, differencing, and seasonal lag techniques. The SVR model is evaluated under two training-testing split scenarios, 80:20 and 90:10, each with 27 combinations of hyperparameters (C, epsilon, and gamma). Results indicate that the best performance for the 80:20 scenario is achieved with C = 1, epsilon = 0.001, and gamma = 0.01, yielding a Mean Absolute Percentage Error (MAPE) of 4.38%. For the 90:10 scenario, the optimal configuration is C = 10, epsilon = 0.001, and gamma = 0.001, with a MAPE of 4.36%. These findings demonstrate that SVR, when properly tuned, can deliver highly accurate forecasts (MAPE < 10%) and serve as a reliable decision-support tool for trade policy and energy planning.

ARABIC:

تقلبات قيمة واردات النفط والغاز المعروفة بــ "ميغاز" في إندونيسيا تدفع إلى الحاجة إلى تنبؤات دقيقة لدعم التخطيط الاقتصادي الوطني. هدف هذا البحث إلى قياس وتحليل مستوى خطأ التنبؤ بقيمة واردات "ميغاز" باستخدام طريقة الانحدار المتجه الداعم (SVR)مع نواة دالة الأساس الشعاعي (RBF). البيانات المستخدمة هي بيانات واردات "ميغاز" الشهرية للفترة 2015-2024 من مكتب الإحصاء المركزي (BPS)، والتي تم معالجتها من خلال مراحل التداخل، والتطبيع، وهندسة الميزات مع المتوسط المتحرك، والانحراف المعياري المتحرك، والفرق، والتأخير الموسمي. تم اختبار نموذج SVR في سيناريوهين لتقسيم بيانات التدريب والاختبار، وهما 80:20 و 90:10، مع 27 تركيبة من الهايبر بارامتر (ج، إفسلون، ألفا). أظهرت نتائج البحث أن السيناريو الأفضل بالنسبة 80:20 تم الحصول عليه عندما كانت ج= 1، إفسلون=0.001، و ألفا= 0.01 مع قيمة متوسط الخطأ النسبى المطلق (MAPE) بنسبة 4.38%، بينما بالنسبة 90:10، كانت التكوينات المثلى هي ج= 10، إفسلون=0.001، وألفا=0.001 مع قيمة متوسط الخطأ النسبى المطلق (MAPE) بنسبة 4.36%. أشارت هذه النتيجة إلى أن نموذج SVR مع ضبط صحيح للمعلمات الفائقة قادر على تقديم دقة تنبؤ ممتازة ( MAPE < 10%)، مما يجعله أداة موثوقة لدعم اتخاذ القرار في السياسات التجارية والتخطيط للطاقة الوطنية.