Setianto, Yoel Dimas Wahyu (2021) Peramalan Harga Emas Dunia Dengan Metode Long-Short Term Memory (LSTM). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211740000120-Undergraduate_Thesis.pdf - Accepted Version Download (4MB) | Preview |
Abstract
Tingkat perekonomian suatu negara dapat dilihat dari pertumbuhan jumlah investor di pasar modal. Semakin banyak jumlah investor, maka mengindikasikan negara tersebut semakin baik dalam pertumbuhan ekonominya. Investasi merupakan langkah untuk menyimpan sejumlah dana atau modal pada masa sekarang untuk memperoleh keuntungan di masa mendatang. Investasi menjadi salah satu bisnis yang menjanjikan untuk saat ini dan di masa mendatang. Salah satu jenis investasi yang dapat menghasilkan profit besar adalah investasi emas. Emas merupakan salah satu jenis logam mulia yang nilainya sangat tinggi. Namun investasi emas juga memiliki risiko yang juga tinggi di mana harga emas nilainya sangat berfluktuasi dengan kondisi perekonomian dan berbagai faktor lainnya yang menimbulkan ketidakpastian. Ketidakstabilan harga emas ini menjadi salah satu hal yang dikhawatirkan investor untuk melakukan investasi emas.
Salah satu langkah yang dilakukan untuk mengatasi kondisi tersebut adalah dengan melakukan peramalan harga emas. Peramalan merupakan salah satu solusi yang dibutuhkan investor karena adanya ketidakpastian harga emas yang nilainya selalu berubah seta dapat mengurangi risiko dan membantu dalam pengambilan keputusan. Penelitian tugas akhir ini menawarkan solusi dari permasalahan tersebut dengan melakukan peramalan harga emas dunia. Data yang digunakan dalam penelitian ini adalah data historis harian harga emas dunia dan harga minyak dunia dari situs Investing.com dengan periode waktu 1 Januari 2014 hingga 1 Januari 2019. Penelitian ini akan menggunakan metode Long-Short Term Memory (LSTM) sebagai model peramalan yang dibuat. LSTM merupakan salah satu arsitektur dari Recurrent Neural Network (RNN) yang digunakan dalam pemodelan data time series dengan adanya modifikasi pada RNN untuk menambahkan sel memori yang mampu menyimpan informasi dalam jangka panjang.
Hasil dari performa model peramalan harga emas metode LSTM dengan faktor harga minyak dunia menujukkan nilai akurasi yang cukup baik. Model terbaik yang diperoleh tanpa penggunaan faktor harga minyak dunia.menghasilkan nilai MAPE 0,7963%, sementara untuk penggunaan faktor harga minyak dunia menghasilkan nilai MAPE 0,8027%. Hasil perbandingan tersebut menunjukkan bahwa penggunaan faktor harga minyak dunia terhadap peramalan harga emas tidak menghasilkan performa akurasi yang lebih baik.
=====================================================================================================
The level of a country's economy can be seen from the growth in the number of investors in the capital market. The more investors, the better the country's economic growth. Investment is a step to save a certain amount of funds or capital in the present to obtain profits in the future. Investment is the only business that is promised for now and in the future. One type of investment that can generate large returns is gold investment. Gold is one of the precious metals whose value is very high. However, gold investment also has a high risk where the price of gold fluctuates greatly with economic conditions and various other factors that create uncertainty. The instability of gold prices is one of the things that investors worry about investing in gold.
One of the steps taken to overcome these conditions is to forecast the price of gold. Forecasting is one of the solutions needed by investors because of the uncertainty of the gold price whose value is always changing and can reduce risk and assist in taking. This final project research offers a solution to this problem by forecasting the world gold price. The data used in this study is daily historical data on world gold prices and world oil prices from the Investing.com website with a time period of 1 January 2014 to 1 January 2019. This study will use the Long-Short Term Memory (LSTM) method as a forecasting model that made. LSTM is one of the architectures of the Recurrent Neural Network (RNN) which is used in time series data modeling with modifications to the RNN to add memory cells that can store information in the long term.
The results of the performance of the gold price forecasting model using the LSTM method with the world oil price factor show a good accuracy value. The best model obtained without using the world oil price factor resulted in a MAPE value of 0.7963%, while the use of the world oil price factor resulted in a MAPE value of 0.8027%. The comparison results show that the use of the world oil price factor for forecasting gold prices does not produce better accuracy performance.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | peramalan, time series, long-short term memory, recurrent neural network, forecasting, time series, long-short term memory, recurrent neural network |
| Subjects: | T Technology > T Technology (General) > T174 Technological forecasting |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Yoel Dimas Wahyu Setianto |
| Date Deposited: | 19 Aug 2021 02:55 |
| Last Modified: | 22 Aug 2024 01:25 |
| URI: | http://repository.its.ac.id/id/eprint/87414 |
Actions (login required)
 |
View Item |