PENERAPAN MODEL DERET WAKTU HARGA EMAS MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM)
DAN BIDIRECTIONAL LONG SHORT-TERM MEMORY (BI-LSTM)PENERAPAN MODEL DERET WAKTU HARGA EMAS
MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM)
DAN BIDIRECTIONAL LONG SHORT-TERM ME
Total View This Week0
Total View This Week0
Institusion
Universitas Bakrie
Author
Priyanto, Habib Septrian
Subject
Computer Science
Datestamp
2023-09-01 08:23:00
Abstract :
Emas merupakan logam mulia yang sering digunakan alat investasi dan memiliki nilai ekonomis. Kenaikan peminat dan nilai emas pada tahun 2023 naik dari tahun 2019 dikarenakan emas dianggap sebagai investasi yang mudah dilakukan, memiliki risiko rendah, dan cenderung mengalami kenaikan nilai dalam jangka waktu tertentu. Namun, emas memiliki sifat fluktuasi di pasar emas sehingga sangat sulit dan rumit untuk dipelajari. Maka dari itu, solusi dari permasalahan ini adalah menggunakan neural networks sebagai metode untuk prediksi harga emas yaitu algoritma Long Short-Term Memory (LSTM) dan Bidirectional Long Short-Term Memory (Bi-LSTM). Peneliti menggunakan data berisi 1143 baris data dengan jangka waktu 2 Januari 2019 - 19 Juli 2023 yang akan dievaluasi dengan Mean Percentage Absolute Error (MAPE), Root-Mean-Square Error (RMSE), dan Coefficient of determination (R-squared) sebagai output-nya. Hasil model Bi?LSTM lebih baik dibanding LSTM juga pada penelitian sebelumnya dalam aspek evaluasi performa model MAPE. Tetapi, hasil dalam aspek evaluasi peforma model RMSE memiliki hasil lebih baik penelitian sebelumnya daripada hasil penelitian ini
Emas merupakan logam mulia yang sering digunakan alat investasi dan memiliki nilai ekonomis. Kenaikan peminat dan nilai emas pada tahun 2023 naik dari tahun 2019 dikarenakan emas dianggap sebagai investasi yang mudah dilakukan, memiliki risiko rendah, dan cenderung mengalami kenaikan nilai dalam jangka waktu tertentu. Namun, emas memiliki sifat fluktuasi di pasar emas sehingga sangat sulit dan rumit untuk dipelajari. Maka dari itu, solusi dari permasalahan ini adalah menggunakan neural networks sebagai metode untuk prediksi harga emas yaitu algoritma Long Short-Term Memory (LSTM) dan Bidirectional Long Short-Term Memory (Bi-LSTM). Peneliti menggunakan data berisi 1143 baris data dengan jangka waktu 2 Januari 2019 - 19 Juli 2023 yang akan dievaluasi dengan Mean Percentage Absolute Error (MAPE), Root-Mean-Square Error (RMSE), dan Coefficient of determination (R-squared) sebagai output-nya. Hasil model Bi?LSTM lebih baik dibanding LSTM juga pada penelitian sebelumnya dalam aspek evaluasi performa model MAPE. Tetapi, hasil dalam aspek evaluasi peforma model RMSE memiliki hasil lebih baik penelitian sebelumnya daripada hasil penelitian ini
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
