Prediksi Harga Emas Menggunakan Metode Time Series Long Short - Term Memory Neural Network
Article Sidebar
Main Article Content
Abstract
Emas merupakan salah satu alat investasi populer dikalangan masyarakat yang tahan akan inflasi. Namun kegiatan investasi emas memiliki resiko berjenis data time series. Sehingga masyarakat perlu memilliki ilmu sebagai pegangan saat melakukan kegiatan investasi emas yaitu dengan memprediksi harga emas di masa depan untuk meminimalisasi resiko. Long Short-Term Memory merupakan turunan dari metode RNN yang dapat digunakan dalam memprediksi pada data time series. Penelitian ini bertujuan untuk memprediksi harga emas dari data time series per 1 hari yang telah dikumpulkan dari website harga-emas.org untuk mengetahui nilai error prediksi menggunakan metode LSTM. Analisis parameter yang dilakukan pada penelitian ini adalah jumlah neuron hidden, learning rate, dan epoch. Kombinasi parameter terbaik yang dihasilkan pada penelitian ini adalah 16 neuron hidden, learning rate 0.01, dan 100 epoch. Nilai terbaik yang dihasilkan pada penelitian ini adalah RMSE 9139,14318 dan MAPE 0,69794%. Perhitungan error MAPE terbaik pada penelitian ini dengan penelitian “Prediksi Harga Emas Menggunakan Feed Forward Neural Network dengan Metode Extreme Learning Machine” yang menghasilkan MAPE terbaik 0,8065%. Hasil tersebut menunjukkan bahwa error MAPE pada penelitian ini lebih baik daripada penelitian tersebut dan model yang terbentuk dapat dikatakan sangat bagus karena nilai MAPE terbaik yang dihasilkan dibawah 10%.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
Aldi, M. W. P., Jondri, & Aditsania, A. (2018). Analisis dan Implementasi Long Short Term Memory Neural Network untuk Prediksi Harga Bitcoin. E-Proceeding of Engineering, 5(2), 3548–3555.
Amin, A., Sari, Y. A., & Adinugroho, S. (2019). Klon Perilaku Menggunakan Jaringan Saraf Tiruan Konvolusional Dalam Game SuperTuxKart. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 3(1), 866–875.
Ardiana, A., & Amak, Y. (2017). Sistem Prediksi Penentuan Jenis Tanaman Sayuran Berdasarkan Kondisi Musim dengan Pendekatan Metode Trend Moment. Bimasakti.
Chang, P. C., Wang, Y. W., & Liu, C. H. (2007). The development of a weighted evolving fuzzy neural network for PCB sales forecasting. Expert Systems with Applications, 32(1), 86–96. https://doi.org/10.1016/j.eswa.2005.11.021
Desmonda, D., Tursina, T., & Irwansyah, M. A. (2018). Prediksi Besaran Curah Hujan Menggunakan Metode Fuzzy Time Series. Jurnal Sistem Dan Teknologi Informasi (JUSTIN), 6(4), 141. https://doi.org/10.26418/justin.v6i4.27036
Faishol, M. A., Endroyono, & Irfansyah, A. N. (2020). Prediksi Polusi Udara Perkotaan di Surabaya Menggunakan Recurrent Neural Network - Long Short Term Memory. JUTI : Jurnal Ilmiah Teknologi Informasi, 18, 102–114.
Guntur, M., Santony, J., & Yuhandri, Y. (2018). Prediksi Harga Emas dengan Menggunakan Metode Naïve Bayes dalam Investasi untuk Meminimalisasi Resiko. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 2(1), 354–360. https://doi.org/10.29207/resti.v2i1.276
Haryadi, D., & Kusuma, G. P. (2019). Emotion detection in text using nested Long Short-Term Memory. International Journal of Advanced Computer Science and Applications, 10(6), 351–357. https://doi.org/10.14569/ijacsa.2019.0100645
Izati, N. A., Warsito, B., & Widiharih, T. (2019). Prediksi Harga Emas Menggunakan Feed Forward Neural Network Dengan Metode Extreme Learning Machine. Jurnal Gaussian, 8(2), 171–183. https://doi.org/10.14710/j.gauss.v8i2.26641
Kingma, D. P., & Ba, J. L. (2015). Adam: A method for stochastic optimization. 3rd International Conference on Learning Representations, ICLR 2015 - Conference Track Proceedings, 1–15.
Mahena, Y., Rusli, M., & Winarso, E. (2015). Prediksi Harga Emas Dunia Sebagai Pendukung Keputusan Investasi Saham Emas Menggunakan Teknik Data Mining. Kalbiscentia Jurnal Sains Dan Teknologi, 2(1), 36–51. http://files/511/Mahena et al. - 2015 - Prediksi Harga Emas Dunia Sebagai Pendukung Keputu.pdf
Milatu, M. (2019). Pengaruh Hari Raya Idul Idul Fitri Terhadap Inflasi Kota Tasikmalaya. Jurnal Dinamika Ekonomi Pembangunan, 2(1), 63. https://doi.org/10.14710/jdep.2.1.63-69
Pakaja, F., & Naba, A. (2015). Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor. Neural Networks, 6(1), 23–28.
Rachmawati, Y. (2018). Pengaruh Inflasi dan Suku Bunga Terhadap Harga Saham Pada Perusahaan Perbankan Yang Terdaftar Di LQ45 Bursa Efek Indonesia. Media Akuntansi, 1(1), 69. https://jurnal.univpgri-palembang.ac.id/index.php/mediasi/article/view/2368
Riduan, M., Hariwijaya, I., Furqon, M. T., & Dewi, C. (2020). Prediksi Harga Emas Dengan Menggunakan Metode Average-Based Fuzzy Time Series. 4(4), 1258–1264.
Sanjaya, F. I., & Heksaputra, D. (2020). Prediksi Rerata Harga Beras Tingkat Grosir Indonesia dengan Long Short Term Memory. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 7(2), 163–174. https://doi.org/10.35957/jatisi.v7i2.388
Siami-Namini, S., Tavakoli, N., & Siami Namin, A. (2018). A Comparison of ARIMA and LSTM in Forecasting Time Series. 2018 17th IEEE International Conference on Machine Learning and Applications (ICMLA), 1394–1401. https://doi.org/10.1109/ICMLA.2018.00227
Sudirman, S., & Alhudhori, M. (2018). Pengaruh Konsumsi Rumah Tangga, Investasi Terhadap Pertumbuhan Ekonomi Di Provinsi Jambi. EKONOMIS : Journal of Economics and Business, 2(1), 81. https://doi.org/10.33087/ekonomis.v2i1.33
Walid, W. (2019). Peramalan Penjualan Harga Saham PT Bank Rakyat ( Persero ) Tbk BBRI Indonesia dengan Menggunakan Recurren Neural Nerwork ( RNN ). Prosiding Seminar Nasional Matematika, 2, 139–147. https://journal.unnes.ac.id/sju/index.php/prisma/article/view/28901
Walid, W., Sukestiyarno, Y. L., & Sunarmi, S. (2018). Identifikasi Publikasi Dosen dalam Mewujudkan Internasionalisasi Universitas Negeri Semarang Menggunakan Neural Network. Jurnal Mipa, 41(2), 121–133.