Prediksi Harga Emas Antam dengan Analisis Sentimen Menggunakan Implementasi Metode VADER-LSTM

Ramadani, Elsa Wahyuni Oktavia (2025) Prediksi Harga Emas Antam dengan Analisis Sentimen Menggunakan Implementasi Metode VADER-LSTM. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5006211047-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2027. Download (3MB) | Request a copy

Abstract

Emas merupakan salah satu instrumen investasi yang diminati karena perannya sebagai aset aman dalam menghadapi ketidakpastian ekonomi. Meningkatnya minat masyarakat Indonesia terhadap pembelian emas dibuktikan dari adanya peningkatan penjualan emas ANTAM dan naiknya saldo hutang produk cicil emas di Pegadaian di tahun 2024. Di sisi lain, terdapat fenomena keuangan perilaku yang menunjukkan bahwa keputusan investasi cenderung dipengaruhi oleh sentimen pasar, yang dicerminkan dari sosial media X. Penelitian ini bertujuan untuk memprediksi harga emas ANTAM dengan menggabungkan analisis sentimen menggunakan Valence Aware Dictionary for Sentiment Reasoning (VADER) dan Long Short-Term Memory (LSTM). Data yang digunakan yaitu harga emas ANTAM harian dan sentimen publik pada periode 1 Juli 2021 hingga 2024. Hasil analisis sentimen menunjukkan bahwa opini publik mengenai emas ANTAM mayoritas bersifat netral (50,7%). Sedangkan sentimen positif mencapai 35,5% dan 13,8% sisanya merupakan sentimen negatif. Hasil prediksi harga emas menggunakan LSTM untuk model tanpa sentimen menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,546200%. Sementara itu, model dengan sentimen menghasilkan MAPE sebesar 0,553392%. Kedua model sangat akurat dalam memprediksi harga emas ditunjukkan dari nilai MAPE keduanya yang <10%. Data sentimen pada penelitian ini memiliki jumlah sentimen netral sebesar 50,7% dari keseluruhan sehingga adanya penambahan variabel input sentimen dalam prediksi harga emas tidak memberikan penurunan nilai MAPE yang signifikan pada model. Hasil prediksi di penelitian ini terlambat 1 lag dari data aktual sehingga untuk penelitian selanjutnya dapat ditinjau kembali untuk pemilihan variabel input, hyperparameter, dan imputasi missing value.
==================================================================================================================================
Gold is one of the most popular investment instruments due to its role as a safe haven in the face of economic uncertainty. The increasing interest of the Indonesian people in purchasing gold is evidenced by the increase in ANTAM gold sales and the increase in the balance of debt for gold installment products at Pegadaian in 2024. On the other hand, there is a behavioral finance phenomenon that shows that investment decisions tend to be influenced by market sentiment, which is reflected in social media X. This research aims to predict ANTAM gold prices by combining sentiment analysis using Valence Aware Dictionary for Sentiment Reasoning (VADER) and Long Short-Term Memory (LSTM). The data used are the daily ANTAM gold price and public sentiment for the period July 1, 2021 to July 1, 2024. The results of sentiment analysis show that the majority of public opinion about ANTAM gold is neutral (50.7%). Meanwhile, positive sentiment reaches 35.5% and the remaining 13.8% is negative sentiment. Gold price prediction results using LSTM for models without sentiment produce a Mean Absolute Percentage Error (MAPE) value of 0.546200%. Meanwhile, the model with sentiment produces a MAPE of 0.553392%. Both models are highly accurate in predicting gold prices as indicated by their MAPE values of <10%. The sentiment data in this study has a neutral sentiment amount of 50.7% of the whole so the addition of sentiment input variables in gold price prediction does not provide a significant decrease in the MAPE value of the model. The prediction results in this study are 1 lag behind the actual data so that further research can be reviewed for the selection of input variables, hyperparameters, and imputation of missing values.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Sentimen, ANTAM, Emas, LSTM, VADER, Gold, Sentiment analysis
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Elsa Wahyuni Oktavia Ramadani
Date Deposited:	13 Jan 2025 06:41
Last Modified:	13 Jan 2025 06:41
URI:	http://repository.its.ac.id/id/eprint/116272

Actions (login required)

View Item