Peramalan Harga Emas Dunia Menggunakan Metode Gated Recurrent Unit (GRU)

Icasia, Gabriella (2021) Peramalan Harga Emas Dunia Menggunakan Metode Gated Recurrent Unit (GRU). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 05211740000048-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (6MB) | Request a copy

Abstract

Emas adalah salah satu komoditas utama yang digunakan untuk tujuan finansial. Di antara semua logam mulia, emas menjadi pilihan umum untuk investasi. Khususnya di masa pandemi COVID-19, dimana terjadi ketidakpastian kondisi ekonomi, emas menjadi salah satu pilihan investasi favorit karena dianggap aman. Tujuan utama dari investasi adalah mendapatkan keuntungan. Penggunaan strategi yang tepat dapat memberikan keuntungan yang lebih besar bagi investor. Salah satu strategi yang dapat dilakukan oleh investor adalah dengan melakukan peramalan harga emas. Beberapa penelitian peramalan harga emas telah dilakukan, salah satunya dengan menggunakan metode Recurrent Neural Network (RNN). Tetapi dalam metode RNN standar yang digunakan dalam penelitian sebelumnya terdapat sebuah permasalahan, yaitu vanishing gradient. Permasalahan tersebut dapat diatasi dengan menggunakan gating system yang dimiliki oleh metode Gated Recurrent Unit (GRU) yang merupakan hasil pengembangan arsitektur RNN.
Penelitian tugas akhir ini menggunakan metode GRU untuk melakukan peramalan harga emas. GRU adalah variasi dari Long Short-Term Memory (LSTM) yang lebih sederhana dari LSTM itu sendiri. GRU memiliki update gate dan reset gate, dimana update gate merupakan gabungan dari input gate dan forget gate di LSTM. Variabel yang digunakan untuk penelitian ini adalah variabel harga emas dunia dan harga minyak dunia yang diambil dalam periode harian dari 1 Januari 2014 sampai dengan 1 Januari 2019.
Peramalan harga emas dunia menggunakan metode GRU dengan variabel univariat (harga emas sebagai prediktor) memiliki performa lebih baik dibanding peramalan dengan variabel multivariat (harga emas dan harga minyak sebagai prediktor). Model univariat terbaik menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,8250%, sedangkan nilai MAPE model multivariat terbaik adalah 0,8265%. Hal ini menunjukkan bahwa penambahan prediktor harga minyak dunia ternyata tidak meningkatkan akurasi peramalan.
=================================================================================================
Gold is one of the main commodities used for financial purposes. Among all precious metals, gold is the common option for investment. Especially during the COVID-19 pandemic, where there is uncertainty in economic conditions, gold is one of the favorite investment options because it is considered safe. The main purpose of investing is to make a profit. The use of the right strategy can provide greater profits for investors. One strategy that can be done by investors is to forecast the price of gold. Several gold price forecasting studies have been conducted, one of which is using the Recurrent Neural Network (RNN) method. However, the vanilla RNN method used in previous research has a problem called vanishing gradient. This problem can be overcome by the gating system in the Gated Recurrent Unit (GRU) method. The GRU method is the result of the development of the RNN architecture.
This final project research uses the GRU method to forecast world gold prices. GRU is a variation of Long Short-Term Memory (LSTM) which is simpler than LSTM itself. The GRU has an update gate and a reset gate, where the update gate is a combination of the input gate and forget gate in the LSTM. The variables used for this study are the world gold price and world oil prices which are taken in the daily period from January 1, 2014 to January 1, 2019.
Forecasting world gold prices using the GRU method with univariate variables (gold price as a predictor) has better performance than forecasting with multivariate variables (gold prices and oil prices as predictors). The best univariate model has a Mean Absolute Percentage Error (MAPE) value of 0.8250%, while the MAPE value for the best multivariate model is 0.8265%. This shows that the addition of oil prices as a predictor does not increase the accuracy of forecasting.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Peramalan, Harga Emas Dunia, Ekonomi Makro, Gated Recurrent Unit, Mean Absolute Percentage Error Forecasting, World Gold Price, Macroeconomic, Gated Recurrent Unit, Mean Absolute Percentage Error
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:	Gabriella Icasia
Date Deposited:	17 Aug 2021 09:22
Last Modified:	17 Aug 2021 09:36
URI:	http://repository.its.ac.id/id/eprint/86585

Actions (login required)

View Item