Rangkaian Neural Dalam Peramalan Harga Minyak Kelapa Sawit

Abstract

Kertas kerja ini membincangkan penggunaan rangkaian neural suap-kehadapan dengan satu aras tersembunyi digabungkan dengan algoritma rambatan balik dan didapati ia sesuai untuk memerihalkan data harga minyak sawit. Kajian awal yang telah dilakukan oleh Azme et al. [1] mendapati analisis regresi berganda kurang sesuai digunakan kerana masalah multikolineariti dalam data kajian. Lima harga minyak sayuran dunia iaitu minyak sawit mentah, minyak isirong, minyak kacang soya, minyak kelapa dan minyak biji sawi telah dianalisis. Dua model telah dicadangkan iaitu, NN1 dan NN2. Hasil kajian mendapati bahawa kedua-dua model telah menunjukkan prestasi yang tinggi dengan mencatatkan nilai pekali penentuan, R2 yang tinggi iaitu 0.938 dan 0.940 masingmasing. Umumnya, rangkaian neural berupaya menjadi satu kaedah alternatif sekiranya masalah multikolineariti wujud terhadap data yang dikaji.