DETAIL KOLEKSI

Prediksi harga emas menggunakan metode long short term memory


Oleh : Niyo None

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2023

Pembimbing 1 : Dedy Sugiarto

Pembimbing 2 : Syandra Sari

Subyek : Instructional systems;Artificial intelligence

Kata Kunci : prediction, gold price, long short term memory

Status Posting : Published

Status : Tidak Lengkap


File Repositori
No. Nama File Hal. Link
1. 2023_TA_SIF_064001900041_Halaman-Judul.pdf 11
2. 2023_TA_SIF_064001900041_Lembar-Pengesahan.pdf 3
3. 2023_TA_SIF_064001900041_Bab-1_Pendahuluan.pdf 2
4. 2023_TA_SIF_064001900041_Bab-2_Tinjauan-Pustaka.pdf 24
5. 2023_TA_SIF_064001900041_Bab-3_Metodologi-Penelitian.pdf 8
6. 2023_TA_SIF_064001900041_Bab-4_Analisis-dan-Pembahasan.pdf 17
7. 2023_TA_SIF_064001900041_Bab-5_Kesimpulan.pdf 1
8. 2023_TA_SIF_064001900041_Daftar-Pustaka.pdf

I nvestasi adalah kegiatan memasukkan aset seperti uang, sertifikat penguasaan tanah, dan kepemilikan emas produktif untuk menghasilkan nilai dari kegiatan investasi. Investasi ini dapat dilakukan oleh orang-orang dengan berbagai bentuk aset real estat. Investasi yang paling umum dilakukan adalah emas, yangtermasuk dalam aset risiko rendah (low risk). Hal ini bisa terjadi karena fluktuasi harga emas yang lebih menjurus untuk mengikuti inflasi, yang menyebabkan kenaikan harga emas. Emas menjadi salah satu investasi yang digandrungi oleh masyarakat. Berdasarkan permasalahan di atas, peneliti akan membangun model prediksi harga emas dengan menggunakan metode peramalan Long-Short-Term Memory. Dengan menggunakan model prediksi ini, para peneliti berharap dapat membantu membuat prakiraan kasus untuk prediksi harga emas. Prediksi harga emas menggunakan metode Long Short Term Memory diperoleh dengan perbandingan data training dan testing sebesar 80:20 dengan jumlah data training sebesar 1028 dan jumlah data test sebesar 257. Dalam proses pengujian menghasilkan jumlah batch size sebesar 20, dan jumlah epoch sebesar 50. Dengan hasil Train MAE 5937, Train RMSE 9590, Test MAE 4817, dan Test RMSE 6408. Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE) dari loss function adalah dua metrik yang digunakan untuk menilai seberapa baik prediksi. Ketika loss function rendah, pendekatan yang digunakan dianggap efektif

I nvestment is the activity of incorporating assets such as money, land tenure certificates, and productive gold ownership to generate value from investment activities. These investments can be made by people with various forms of real estate assets. The most common investment made is gold, which isincluded in low risk assets (low risk). This could happen due to fluctuations in the price of gold which tend to follow inflation, which causes an increase in the price of gold. Gold is one of the investments loved by the public. Based on the problems above, researchers will build a gold price prediction model using the Long-Short-Term Memory forecasting method. By using this prediction model, the researchers hope to help make case forecasts for gold price predictions. Gold price prediction using the Long Short Term Memory method is obtained by a comparison of training and testing data of 80:20 with a total of 1028 training data and 257 test data. In the testing process it produces a batch size of 20 and 50 epochs. results of Train MAE 5937, Train RMSE 9590, Test MAE 4817, and Test RMSE 6408. Root Mean Square Error (RMSE) and Mean Absolute Error (MAE) of a loss function are two metrics used to judge how well a prediction is. When the loss function is low, the approach used is considered effective.

Bagaimana Anda menilai Koleksi ini ?