DJAU, Afnan Fauz (2025) Implementasi Algoritma Long Short-Term Memory Dengan Random Search Optimization Untuk Prediksi Harga Emas. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (159kB)
	Text 4. HALAMAN PENGESAHAN.pdf Download (4MB)
	Text 5. KATA PENGANTAR.pdf Restricted to Repository staff only Download (5MB) | Request a copy
	Text 7. ABSTRAK.pdf Download (76kB)
	Text 8. ABSTRACT.pdf Download (60kB)
	Text 9. DAFTAR ISI.pdf Download (123kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (115kB)

Abstract

ABSTRAK
Emas merupakan salah satu instrumen investasi yang populer karena stabilitas dan nilainya
yang cenderung terjaga. Namun, memprediksi pergerakan harga emas tidaklah mudah karena
dipengaruhi oleh berbagai faktor ekonomi makro, seperti inflasi, suku bunga, dan kondisi
geopolitik. Model prediksi deret waktu telah menjadi elemen penting dalam bidang investasi,
di mana pergerakan harga suatu aset seperti emas perlu diprediksi dengan akurat untuk
mendukung pengambilan keputusan. Long Short-Term Memory (LSTM) merupakan algoritma
yang efektif dalam memprediksi deret waktu non-linear, seperti harga emas, karena
kemampuannya dalam menangani ketergantungan jangka panjang dalam data dan mengenali
pola-pola yang tersembunyi dalam data historis. Penelitian ini mengimplementasikan metode
LSTM dalam memprediksi harga emas, dengan optimasi hyperparameter menggunakan
Random Search untuk mendapatkan akurasi prediksi yang optimal. Data yang digunakan
adalah data harga emas harian yang diambil dari tanggal 1 Januari 2014 hingga 1 April 2024,
dengan fitur yang digunakan berupa harga Terakhir, Pembukaan, Tertinggi, dan Terendah.
Model dievaluasi menggunakan metrik evaluasi seperti Mean Squared Error (MSE), R
Squared, dan Mean Absolute Percentage Error (MAPE). Hasil implementasi menunjukkan
bahwa model LSTM dengan optimasi Random Search mencapai performa yang sangat baik,
dengan nilai MSE 0,0004, R-Squared 96,86%, dan MAPE 2,13%. Hal ini menunjukkan bahwa
implementasi metode LSTM yang dioptimasi menggunakan Random Search dapat
menghasilkan prediksi harga emas yang akurat. Kombinasi kemampuan LSTM dalam
menangani data deret waktu dan optimasi hyperparameter melalui Random Search
menghasilkan model yang andal untuk memprediksi pergerakan harga emas.
Kata Kunci : Long Short-Term Memory, Random Search, Deep Learning, Hyperparameter
Optimization, Prediksi Harga Emas

Actions (login required)

View Item