Dewi, Ludia Rosema (2020) Peramalan Harga Emas Dunia Menggunakan Metode Recurrent Neural Network (RNN). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211640000025-Undergraduate_Thesis.pdf Download (3MB) | Preview |
Abstract
Pertumbuhan ekonomi suatu negara sangat dipengaruhi oleh peningkatan investasi pada negara tersebut. Masyarakat kecil maupun atas menggemari investasi karena dapat menjadi pemasukan tambahan bagi investor. Secara harfiah, investasi ialah cara menanam sejumlah dana pada masa ini dengan harapan memperoleh keuntungan di masa depan. Dua sisi yang perlu diperhatikan dalam berinvestasi adalah sisi return dan risiko. Hukum yang berlaku dalam investasi yaitu semakin tinggi return yang ditawarkan semakin tinggi pula risiko yang ditanggung investor. Harga emas yang selalu mengalami perubahan atau terjadi ketidakstabilan harga menjadi masalah bagi investor. Fluktuasi harga menimbulkan masalah kapan waktu yang tepat untuk investor melakukan keputusan melakukan investasi karena harga pasar selalu berubah. Salah satu cara untuk menyelesaikan permasalahan dengan meramalkan harga emas di masa yang akan datang. Peramalan dibutuhkan investor karena berhadapan dengan ketidakpastian harga emas mendatang, mengurangi risiko dan membantu pengambilan keputusan. Penelitian tugas akhir dimaksudkan untuk menyelesaikan permasalahan tersebut. Penelitian ini memerlukan data, yaitu data harga emas dunia serta harga minyak dunia didapatkan secara daring. Periode masing-masing data dipilih dari tanggal 1 Januari 2014 hingga tanggal 1 Januari 2019. Penelitian ini membutuhkan model peramalan yang efektif sehingga mengetahui hasil dan akurasi peramalan harga emas dunia. Penelitian menggunakan metode peramalan dengan recurrent neural network sebagai pemberi hasil ramalan. Recurrent neural network (RNN) adalah jenis jaringan saraf yang lebih fleksibel dengan penambahan umpan balik (feedback) dari output kembali ke input. Recurrent neural network memiliki memori internal dari input sebelumnya yang adaptif, sehingga recurrent neural network memiliki kemampuan komputasi yang lebih baik dan konvergensi yang lebih cepat dibandingkan dengan neural network lainnya. Hasil peramalan emas menggunakan metode recurrent neural network menunjukkan nilai mean absolute percentage error terkecil yaitu 0.621%.
==============================================================
A country's economic growth is strongly influenced by increased investment in the country. Small communities and above are fond of investment because it can be an additional income for investors. Literally, investment is a way to invest a number of funds in this period in the hope of earning profits in the future. Two sides that need to be considered in investing are return and risk. The law applicable to investment is that the higher the return offered the higher the risk borne by the investor. The price of gold that is always experiencing changes or price instability becomes a problem for investors. Price fluctuations cause problems when the right time for investors make investment decisions because market prices always change. One way to solve the problem is by predicting the price of gold in the future. Forecasting is needed by investors because it is dealing with the uncertainty of future gold prices, reducing risk and helping decision making. Final assignment research is intended to solve these problems. This research requires data, namely data on world gold prices and world oil prices obtained online. The period of each data was chosen from January 1st, 2014 to January 1st, 2019. This research requires an effective forecasting model so that it knows the results and forecasting accuracy of the world gold price. The study uses forecasting methods with recurrent neural network as a predictor. Recurrent Neural Network (RNN) is a type of neural network that is more flexible with the addition of feedback from the output back to the input. Recurrent neural networks have internal memory from previous input that is adaptive, so recurrent neural networks have better computational capabilities and faster convergence compared to other neural networks. The results of gold forecasting using the recurrent neural network method show the smallest mean absolute percentage error, which is 0.621%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | investment, forecasting, world gold prices, recurrent neural network, mean absolute percentage error, investasi, peramalan, harga emas dunia |
| Subjects: | T Technology > T Technology (General) 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: | Ludia Rosema Dewi |
| Date Deposited: | 15 Aug 2020 04:20 |
| Last Modified: | 11 May 2023 06:05 |
| URI: | http://repository.its.ac.id/id/eprint/78231 |
Actions (login required)
 |
View Item |