PREDIKSI HARGA EMAS MENGGUNAKAN JARINGAN SARAF TIRUAN ALGORITMA BACKPROPAGATION

YUPITA SARI (2025) PREDIKSI HARGA EMAS MENGGUNAKAN JARINGAN SARAF TIRUAN ALGORITMA BACKPROPAGATION. Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text RAMA_55201_2102020107.pdf Download (25MB)

Abstract

Abstrak Emas adalah logam mulia dengan nilai tinggi yang sering digunakan sebagai komoditas investasi karena kestabilan dan kecenderungan harganya yang terus meningkat dibandingkan aset lain, seperti saham. Dalam ekonomi global, emas juga menjadi bagian penting dari cadangan internasional di bank nasional. Namun, kesadaran masyarakat tentang keuntungan investasi emas masih rendah. Salah satu solusi untuk meningkatkan minat dan pemahaman investasi emas adalah dengan memprediksi harga emas menggunakan teknik peramalan yang akurat. Peramalan memanfaatkan data historis yang dianalisis untuk memproyeksikan tren di masa depan, menjadi komponen penting dalam pengambilan keputusan strategis. Penelitian ini menggunakan algoritma backpropagation dalam jaringan saraf tiruan untuk memprediksi harga emas. Algoritma ini dapat meminimalkan kesalahan (error) dalam proses pelatihan data, meningkatkan akurasi model, serta memberikan hasil yang lebih baik dalam klasifikasi prediksi. Selain itu, algoritma ini efisien dalam memproses data pelatihan dalam jumlah besar, sehingga menghasilkan model prediksi yang andal. Penelitian bertujuan mengevaluasi kinerja algoritma backpropagation dalam memprediksi harga emas, termasuk membandingkan akurasi dan korelasi prediksi dengan algoritma lainnya. Hasil penelitian diharapkan dapat memberikan kontribusi dalam pengembangan model prediksi harga emas yang lebih akurat, mendukung pengambilan keputusan investasi, dan meningkatkan pemahaman masyarakat tentang manfaat investasi emas. Penelitian ini berhasil mengembangkan model Jaringan Saraf Tiruan (JST) untuk memprediksi harga emas berjangka berdasarkan data historis, meliputi fitur seperti harga pembukaan, tertinggi, terendah, dan volume perdagangan. Model dilatih menggunakan algoritma Backpropagation untuk menangkap pola non-linier dalam data yang kompleks. Hasil penelitian mencakup tiga aspek utama Preprocessing Data, Data berhasil diproses secara efektif, termasuk konversi nilai ke format numerik dan normalisasi fitur untuk mempercepat konvergensi model. Pelatihan Model, Model dilatih menggunakan 80% data pelatihan dan diuji dengan 20% data pengujian. Monitoring train loss dan validation loss menunjukkan model belajar dengan baik, meskipun terdapat indikasi risiko overfitting. Evaluasi dan Prediksi, Model mampu memprediksi harga emas dengan akurasi yang baik pada data pengujian. Metrik evaluasi seperti MAE (Mean Absolute Error) menunjukkan hasil prediksi cukup dekat dengan nilai sebenarnya, meskipun masih terdapat ruang untuk peningkatan. Secara keseluruhan, model ini menunjukkan kinerja yang memuaskan dalam memprediksi harga emas jangka pendek dan dapat digunakan sebagai alat bantu dalam analisis harga emas berbasis data historis. Kata Kunci : Prediksi, Harga Emas, Backpropagation.

Item Type:	Thesis (Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Komputer > Program Studi Informatika
Depositing User:	Admin Perpus UnivBI
Date Deposited:	30 Mar 2026 08:49
Last Modified:	30 Mar 2026 08:49
URI:	https://eprints.univbinainsan.ac.id/id/eprint/638

Actions (login required)

View Item