APLIKASI PREDIKSI HARGA EMAS MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)

ANANDA, FATUR DWI (2025) APLIKASI PREDIKSI HARGA EMAS MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM). Skripsi thesis, UPN "VETERAN" YOGYAKARTA.

	Text 2_COVER_123190043_Fatur Dwi Ananda.pdf Download (130kB)
	Text 3_ABSTRAK_123190043_Fatur Dwi Ananda.pdf Download (168kB)
	Text 4_HALAMAN PENGESAHAN_123190043_Fatur Dwi Ananda.pdf Download (500kB)
	Text 5_DAFTAR ISI_123190043_Fatur Dwi Ananda.pdf Download (298kB)
	Text 6_DAFTAR PUSTAKA_123190043_Fatur Dwi Ananda.pdf Download (168kB)
	Text 1_SKRIPSI FULL TEXT_FATUR DWI ANANDA_123190043.pdf Restricted to Repository staff only Download (2MB)

Abstract

Volatilitas harga emas yang dipengaruhi oleh berbagai faktor ekonomi dan geopolitik
menciptakan tantangan bagi investor. Model peramalan tradisional seringkali tidak mampu
menangani sifat non-linear dari data ini, sehingga penelitian ini berfokus pada pendekatan
Long Short-Term Memory (LSTM), yang dikenal efektif untuk data deret waktu. Tujuannya
adalah mengembangkan aplikasi berbasis web untuk memprediksi harga emas guna
membantu investor membuat keputusan yang lebih cerdas.
Metodologi penelitian ini menggunakan model Waterfall dengan data historis harga
penutupan emas dari Investing.com. Data diproses melalui normalisasi, pembentukan
sequence untuk LSTM, dan pembagian menjadi set pelatihan dan pengujian. Model dilatih
dengan berbagai parameter, dan kinerjanya dievaluasi menggunakan metrik MAPE (Mean
Absolute Percentage Error).
Hasil pengujian menunjukkan bahwa model LSTM dapat memprediksi harga emas
dengan akurasi yang baik, dengan semua nilai MAPE di bawah 10. Kinerja terbaik dicapai
dengan look-back period 60 dan epoch 100, menghasilkan Train MAPE sebesar 0.54 dan
Test MAPE sebesar 2.12. Hasil ini membuktikan bahwa aplikasi yang dikembangkan dapat
menjadi alat bantu andal yang memberikan rekomendasi akurat bagi investor dalam
menganalisis pasar emas.
Kata Kunci: Prediksi, Long Short-Term Memory (LSTM), Deret Waktu,
Pembelajaran Mendalam.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	FATUR DWI ANANDA (penulis) - 123190043 ; Herlina Jayadianti (pembimbing)
Uncontrolled Keywords:	Prediksi, Long Short-Term Memory (LSTM), Deret Waktu, Pembelajaran Mendalam.
Subjek:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	A.Md Eko Suprapti
Date Deposited:	22 Oct 2025 06:44
Last Modified:	22 Oct 2025 06:44
URI:	http://eprints.upnyk.ac.id/id/eprint/44787

Actions (login required)

View Item