PREDIKSI HARGA EMAS MENGGUNAKAN METODE RECURRENT NEURAL NETWORK (RNN)

Dani Siregar, Rahma (2024) PREDIKSI HARGA EMAS MENGGUNAKAN METODE RECURRENT NEURAL NETWORK (RNN). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (126kB)
	Text BAB II.pdf Restricted to Registered users only Download (324kB)
	Text BAB III.pdf Restricted to Registered users only Download (205kB)
	Text BAB IV.pdf Restricted to Registered users only Download (527kB)
	Text BAB V.pdf Download (73kB)
	Text DAFTAR PUSTAKA.pdf Download (165kB)

Abstract

Emas salah satu indikator ekonomi global dimana banyak investor yang berinvestasi dengan emas. Walaupun harga emas cenderung stabil, emas tidak terhindar dari fluktuasi. Harga emas yang berfluktuasi dapat mempersulit para investor dalam membuat keputusan untuk membeli atau menjual emas. Untuk mengatasi permasalahan tersebut maka dilakukanlah prediksi harga emas dari tanggal 01 Januari 2013 hingga 15 Desember 2023 dan mengukur bagaimana kinerja RNN dalam memprediksi harga emas. Penelitian ini menggunakan metode deep learning dengan arsitektur model Recurrent Neural Network (RNN) dan Root Mean Squared Error (RMSE) sebagai metrik kinerja untuk memprediksi harga emas. Data diperoleh dari situs Gold.org. Model RNN diuji dengan 2 layer menggunakan 27 kombinasi parameter berbeda seperti Neuron, Timestep, Epoch, Batch Size, Optimizer, dan Learning Rate. Kinerja setiap model dibandingkan menggunakan matrik evaluasi Root Mean Square Error (RMSE). Hasil eksperimen menunjukkan bahwa model RNN Penggunaan 100 Neuron lebih rendah dengan hasil RMSE 465.170,395335313 dibandingkan 50 dan 150.

Actions (login required)

View Item