Search for collections on Undip Repository

Peramalan Harga Komoditas Emas Dunia Menggunakan Metode Gated Recurrent Unit (GRU), Multi-Layer Perceptron (MLP), dan Hybrid GRU–MLP

AMMARA, Aqila Widina (2026) Peramalan Harga Komoditas Emas Dunia Menggunakan Metode Gated Recurrent Unit (GRU), Multi-Layer Perceptron (MLP), dan Hybrid GRU–MLP. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

[thumbnail of Skripsi Statistika - Aqila WIdina Ammara.zip] Archive
Skripsi Statistika - Aqila WIdina Ammara.zip
Restricted to Repository staff only

Download (7MB) | Request a copy
[thumbnail of 1. Cover.pdf] Text
1. Cover.pdf

Download (227kB)
[thumbnail of 3. Lembar Pengesahan I.pdf] Text
3. Lembar Pengesahan I.pdf

Download (969kB)
[thumbnail of 4. Lembar Pengesahan II.pdf] Text
4. Lembar Pengesahan II.pdf

Download (1MB)
[thumbnail of 5. Kata Pengantar.pdf] Text
5. Kata Pengantar.pdf

Download (266kB)
[thumbnail of 6. Abstrak.pdf] Text
6. Abstrak.pdf

Download (253kB)
[thumbnail of 7. Abstract.pdf] Text
7. Abstract.pdf

Download (251kB)
[thumbnail of 8. Daftar Isi.pdf] Text
8. Daftar Isi.pdf

Download (318kB)
[thumbnail of 12. BAB I - Pendahuluan.pdf] Text
12. BAB I - Pendahuluan.pdf

Download (310kB)
[thumbnail of 17. Daftar Pustaka.pdf] Text
17. Daftar Pustaka.pdf

Download (267kB)

Abstract

Harga emas dunia merupakan salah satu indikator penting dalam
perekonomian global karena berperan sebagai aset lindung nilai (safe haven) dan
instrumen investasi. Tingginya fluktuasi harga emas menyebabkan ketidakpastian
pergerakan harga sehingga diperlukan metode peramalan yang akurat untuk
membantu pengambilan keputusan oleh investor maupun pelaku ekonomi.
Penelitian ini bertujuan membandingkan kinerja metode Gated Recurrent Unit
(GRU), Multi-Layer Perceptron (MLP), dan model hybrid GRU-MLP dalam
meramalkan harga emas dunia serta menentukan metode terbaik berdasarkan
tingkat kesalahan peramalan. Data yang digunakan berupa data harian harga emas
dunia yang ditransformasikan ke dalam bentuk supervised learning menggunakan
teknik sliding window dengan panjang 30 hari untuk menangkap pola pergerakan
harga dalam jangka pendek. Data selanjutnya dibagi menjadi data training,
validation, dan testing, serta dinormalisasi menggunakan metode Min-Max Scaling.
Evaluasi kinerja model dilakukan menggunakan Mean Absolute Percentage Error
(MAPE) pada data uji. Hasil penelitian menunjukkan bahwa model GRU
menghasilkan nilai MAPE sebesar 2,58%, model MLP sebesar 1,04%, dan model
hybrid GRU-MLP sebesar 2,75%. Model MLP memiliki tingkat kesalahan paling
rendah sehingga menjadi metode terbaik dalam penelitian ini. Hasil penelitian
menunjukkan bahwa metode MLP sebagai bagian dari pendekatan deep learning
terbukti memiliki tingkat akurasi terbaik dalam menghasilkan peramalan harga
emas dunia.
Kata Kunci: Deep Learning, GRU, Harga Emas Dunia, Hybrid GRU-MLP,
MAPE, MLP, Peramalan

Item Type: Thesis (Undergraduate)
Subjects: Sciences and Mathemathic
Divisions: Faculty of Science and Mathematics > Department of Statistics
Depositing User: Yemima Laras Sekarsari
Date Deposited: 07 May 2026 05:33
Last Modified: 07 May 2026 05:33
URI: https://eprints2.undip.ac.id/id/eprint/50583

Actions (login required)

View Item View Item