Support Vector Regression (SVR) Dalam Memprediksi Harga Minyak Kelapa Sawit di Indonesia dan Nilai Tukar Mata Uang EUR/USD

Support Vector Machine merupakan algoritma pembelajaran mesin yang banyak digunakan untuk melakukan prediksi. Salah satunya dengan menggunakan vector kernel radial basis. Dengan karakteristik regresi pada kernel RBF maka metode ini berhasil melakukan prediksi untuk permasalahan seasoning. Mengacu kepada hal tersebut, maka pada penelitian ini akan digunakan pendekatan RBF untuk prediksi forex exchange rate atau minyak kelapa sawit. Karakteristik dua data ini jauh memiliki kesamaan, yakni cenderung ke arah trend seasonal. Mengingat pentingnya dilakukan prediksi untuk kedua studi kasus tersebut, maka kedua permasalahan ini dikaji pada penelitian ini untuk diuji menggunakan algoritma SVR. Hasil yang diperoleh menunjukkan bahwa presentase akurasi untuk exchange rate yaitu 99.97%. Sementara, akurasi pada saat memprediksi minyak kelapa sawit yaitu pada kisaran 98%.