Prediksi Harga Minyak Mentah Dengan Metode K-Nearest Neighbor

Perdagangan komoditas minyak mentah memiliki volatilitas harga yang tinggi akibat faktor-faktor global seperti perubahan geopolitik, kebijakan energi, dan fluktuasi permintaan. Kondisi ini menyulitkan pelaku pasar untuk memprediksi harga secara akurat. Oleh karena itu, diperlukan metode prediksi yang dapat membantu dalam mengambil keputusan, terutama bagi trader dan analis pasar energi.
Penelitian ini membangun sistem prediksi harga penutupan minyak mentah menggunakan algoritma K-Nearest Neighbor (KNN). Data historis diambil dari API Yahoo Finance, kemudian diproses melalui tahap normalisasi untuk mengurangi skala perbedaan antar variabel. Perhitungan jarak antar data dilakukan menggunakan metode Euclidean, sedangkan prediksi ditentukan berdasarkan rata-rata nilai dari K tetangga terdekat. Sistem dikembangkan menggunakan bahasa pemrograman PHP dengan pendekatan model waterfall sebagai metodologi pengembangan perangkat lunak.
Hasil implementasi menunjukkan bahwa metode KNN mampu memberikan prediksi harga penutupan minyak mentah dengan tingkat kesalahan yang relatif rendah. Pengujian menggunakan Mean Absolute Percentage Error (MAPE) menghasilkan nilai yang bervariasi tergantung jumlah data interval dan nilai K yang digunakan. Penggunaan normalisasi terbukti menurunkan nilai MAPE karena mengurangi jarak Euclidean yang terlalu besar. Nilai MAPE terbaik diperoleh pada interval data bulan Mei 2025 dengan K=3, yaitu sebesar 3,59%, yang menunjukkan sistem ini cukup bisa diandalkan untuk membantu trader dalam memprediksi harga minyak mentah.