Prediksi Harga Emas Menggunakan Univariate Convolutional Neural Network
Article Sidebar
Main Article Content
Abstract
Dalam berinvestasi, tak lepas dengan menebak naik turunya harga agar tidak rugi dalam berinvestasi. Hal ini diperlukan dukungan teknologi untuk dapat mengetahui informasi dalam menghadapi harga yang selalu berubah-ubah setiap hari dan bahkan setiap jamnya. Investor dalam hal ini untuk komoditi emas harus dapat memprediksi harga yang selalu serubah-ubah tersebut sebelum melakukan trasnsaksi jual maupun beli, agar investor tepat dalam melakukan aktivitas jual maupun beli saham. Dengan demikian, penulis akan membuat penelitian mengenai prediksi harga emas dunia, yang bermanfaat bagi investor maupun masyarakat yang akan melakukan jual beli emas dalam bentuk saham ataupun barang agar tepat dalam mengambil keputusan. Tujuan dari prediksi adalah memperkecil kesalahan, sehingga selisih antara perkiraan dengan kejadian yang sebenarnya diminimalkan. Suatu prediksi tidak dapat dipastikan tepat sepenuhnya, tetapi memungkinkan untuk memberikan hasil yang mendekati dengan kejadian sebenarnya. Algoritma yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN). CNN termasuk dalam bidang Deep Learning (DL), yang termasuk dalam sub bidang dari Machine Learning (ML), yang mana menerapkan konsep dasar algoritma ANN dengan lapisan yang lebih banyak. Dalam penelitian ini, penulis menggunakan pendekatan univariate CNN. Dilakukan beberapa pengujian pada parameter model CNN. Hasil terbaik ditunjukan pada model 1 yaitu pengujian dense kondisi 5, yaitu dengan parameter model filters = 64, kernel = 2, pooling = 2, epochs = 2.000, dan dense = 50 dengan hasil RMSE yaitu 690,40.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
Yesika, “Prosedur Investasi Emas Berjangka Studi kasus pada PT. Mahadana Asta Berjangka,” Sekolah Tinggi Ilmu Ekonomi Kesatuan Bogor, 2014.
Y. Mahena, M. Rusli, and E. Winarso, “Prediksi Harga Emas Dunia Sebagai Pendukung Keputusan Investasi Saham Emas Menggunakan Teknik Data Mining,” Kalbiscentia J. Sains dan Teknol., vol. 2, no. 1, pp. 36–51, 2015.
T. B. Butar, “Pengaruh Harga Emas, Nilai Tukar Dollar (USD) dan Indeks Dow Jones Terhadap Indeks Harga Saham Gabungan (IHSG) Pada Bursa Efek Indonesia,” Universitas Sumatra Utara, 2017.
Herdianto, “Prediksi Kerusakan Motor Induksi Menggunakan Metode Jaringan Saraf Tiruan Backpropagation,” Universitas Sumatra Utara, 2013.
T. Nurhikmat, “Implementasi Deep Learning Untuk Image Classification Menggunakan Algoritma Convolutional Neural Network (CNN) Pada Citra Wayang Golek,” Universitas Islam Indonesia, 2018.
E. Alpaydin, Introduction to Machine Learning Second Edition. Cambridge, 2010.
G. I. Marthasari and A. Djunaidy, “Optimasi Data Latih Menggunakan Algoritma Genetika untuk Peramalan Harga Emas Berbasis Generalized Regression Neural Network,” J. Sist. Inf., vol. 5, no. 1, pp. 62–69, 2014.
Y. Sari, “Prediksi Harga Emas Menggunakan Metode Neural Network Backropagation Algoritma Conjugate Gradient,” vol. 1, no. 2, pp. 64–70, 2017
M. Guntur, J. Santony, and Yuhandri, “Prediksi Harga Emas dengan Menggunakan Metode Naïve Bayes dalam Investasi untuk Meminimalisasi Resiko,” Rekayasa Sist. dan Teknol. Inf., vol. 2, no. 1, pp. 354–360, 2018.
I. Koprinska, D. Wu, and Z. Wang, “Convolutional Neural Networks for Energy Time Series Forecasting,” Int. Jt. Conf. Neural Networks, 2018.
S. Galeshchuk and Y. Demazeau, “Forecasting Hungarian Forint Exchange Rate with Convolutional Neural Networks,” Int. Conf. Behav. Econ. Socio-cultural Comput., 2017.
M. Y. Wicaksono, “Pengaruh Inflasi, Kurs Dollar dan Suku Bunga Terhadap Harga Emas di Indonesia,” J. Pendidik. dan Ekon., vol. 5, no. 2, pp. 143–149, 2016.
C. A. Sugianto and F. Fachruddin, “Prediksi Pergerakan Harga Valas Menggunakan Algoritma Neural Network,” vol. 03, no. 01, pp. 20–25, 2018.