PEMODELAN MENGGUNAKAN PENDEKATAN RECURRENT NEURAL NETWORK LONG SHORT TERM MEMORY (RNNLSTM) PADA HARGA EMAS DUNIA

ALAWIYAH, SILVIE NOOR, B2A017025 (2021) PEMODELAN MENGGUNAKAN PENDEKATAN RECURRENT NEURAL NETWORK LONG SHORT TERM MEMORY (RNNLSTM) PADA HARGA EMAS DUNIA. Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].

[img]
Preview
Text
1. Halaman Judul.pdf

Download (575kB) | Preview
[img]
Preview
Text
2. Lembar Pengesahan Pembimbing (scan).pdf

Download (493kB) | Preview
[img]
Preview
Text
3. Lembar Pengesahan Skripsi (scan).pdf

Download (544kB) | Preview
[img]
Preview
Text
6. ABSTRAK.pdf

Download (492kB) | Preview
[img]
Preview
Text
BAB I.pdf

Download (628kB) | Preview
[img]
Preview
Text
BAB II.pdf

Download (1MB) | Preview
[img] Text
BAB III.pdf
Restricted to Repository staff only

Download (617kB) | Request a copy
[img] Text
BAB IV.pdf
Restricted to Repository staff only

Download (509kB) | Request a copy
[img]
Preview
Text
BAB V.pdf

Download (498kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (621kB) | Preview
[img]
Preview
Text
Manuscript Indonesia.pdf

Download (1MB) | Preview

Abstract

Investasi yang hakikatnya merupakan komitmen terhadap sejumlah sumber daya tertentu dengan tujuan untuk mendapatkan keuntungan dimasa depan. Resesi ekonomi yang terjadi mengakibatkan melemahnya nilai uang dan membuat para investor mengalihkan aset keuangannya ke instrumen yang memiliki risiko lebih rendah seperti emas. Prediksi harga emas sangat dibutuhkan oleh para investor untuk menjadi bahan pertimbangan. Namun, tidak ada yang bisa memprediksi secara pasti mengenai harga emas ke depannya karena banyaknya faktor yang tidak bisa dikendalikan oleh tangan manusia. Dalam penelitian ini akan dilakukan pemodelan menggunakan pendekatan Recurrent Neural Network Long Short Term Memory (RNN-LSTM) pada harga emas dunia selama 5 tahun dengan periode 1 Januari 2016 sampai dengan 26 Februari 2021. LSTM banyak dipilih oleh peneliti untuk prediksi berbasis waktu atau time-series karena dikenal lebih unggul dan handal dalam melakukan prediksi dalam waktu lama dibanding algoritma lain. Untuk meningkatkan akurasi dalam pembuatan model prediksi, penelitian ini menggunakan algoritma optimasi Adaptive Moment Estimation (ADAM). Hasil penelitian ini menunjukkan bahwa model prediksi terbaik menggunakan RNNLSTM dengan error MAE mendapatkan nilai error sebesar 14,5923 dan skenario jumlah neuron sebanyak 30 serta epoch 500. Dari hasil perhitungan prediksi harga emas tersebut memiliki tingkat akurasi sebesar 98,91% berdasarkan nilai Mean Absolute Percentage Error (MAPE), dengan nilai MAPE sebesar 1,09% yang dimana nilai tersebut menunujukkan bahwa hasil prediksi sangat baik. Kata Kunci: Adaptive Moment Estimation (ADAM), Harga Emas, Prediksi, RNN LSTM vii

Item Type: Thesis (Sarjana / Sarjana Terapan (S1/D4) )
Call Number: 018/Statistika/VI/2021
Subjects: L Education > Statistics
Divisions: Faculty of Agricultural Science and Technology > S1 Statistics
Depositing User: perpus unimus
Date Deposited: 05 Oct 2021 04:01
Last Modified: 05 Oct 2021 04:01
URI: http://repository.unimus.ac.id/id/eprint/4855

Actions (login required)

View Item View Item