PENERAPAN METODE LONG SHORT-TERM MEMORY UNTUK PREDIKSI PRODUKSI MINYAK BUMI BERDASARKAN DATA TIME SERIES HARIAN

Abstract

Produksi minyak bumi merupakan komponen strategis dalam sektor energi sehingga membutuhkan sistem prediksi yang akurat untuk mendukung perencanaan dan pengambilan keputusan. Seiring waktu, produksi minyak menunjukkan pola fluktuatif dan memiliki ketergantungan jangka panjang yang menjadikan proses prediksi sebagai tantangan tersendiri. Kondisi tersebut menimbulkan permasalahan dalam menentukan metode yang mampu memodelkan pola time series data produksi secara efektif dengan tingkat kesalahan yang rendah. Oleh karena itu, penelitian ini bertujuan untuk menerapkan metode Long Short-Term Memory (LSTM) sebagai metode dalam memprediksi produksi minyak bumi berdasarkan data time series harian. Proses penelitian diawali dengan tahapan pra-pemrosesan data yang meliputi pembersihan data, normalisasi, serta pembagian data. Selanjutnya, model LSTM dilatih menggunakan data produksi periode 1 Januari 2022 hingga 31 Juli 2025 dan dievaluasi menggunakan metrik Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan nilai RMSE sebesar 100,49 dan MAPE sebesar 1,72% yang mengindikasikan tingkat kesalahan prediksi rendah dan akurasi yang sangat baik. Dengan demikian, metode LSTM mampu mempertahankan pola fluktuasi produksi serta menghasilkan prediksi yang selaras dengan tren historis sehingga layak digunakan sebagai pendukung pemantauan dan perencanaan produksi minyak bumi