PERBANDINGAN GATED RECURRENT UNIT (GRU) DAN ALGORITMA LONG SHORT TERM MEMORY (LSTM) LINEAR REFRESSION DALAM PREDIKSI HARGA EMAS MENGGUNAKAN MODEL TIME SERIES

Anggi Putri Meriani, Alam Rahmatulloh

Abstract


Abstrak. Prediksi harga emas sangat penting karena menjadi acuan bagi para investor untuk menentukan strategi yang tepat dalam berinvestasi. Tren metode prediksi dalam beberapa tahun terakhir adalah deep learning, yang merupakan subbidang machine learning dan populer dalam menangani masalah prediksi time-series. Dalam penelitian ini, kami membandingkan performa dua metode deep learning, yaitu Long Short-Tern Memory (LSTM)  Gated Recurrent Unit (GRU)dan Linier Regression dalam memprediksi harga Emas. Hasil dalam penelitian ini menunjukkan bahwa metode GRU lebih akurat dibanding metode LSTM dalam memprediksi harga Emas, meskipun dalam perhitungan metrik evaluasi didapatkan nilai eror LSTM lebih rendah. Hasil model LSTM terbaik yang diujikan memiliki nilai MAE sebesar 0.0389, RMSE sebesar 0.0475, dan MAPE sebesar 5.2047%, serta model GRU terbaik dari hasil pengujian memiliki nilai MAE 0.0447, RMSE 0.0545, dan MAPE 6.0688%. Dari hasil penelitian ini, kami menemukan bahwa GRU adalah metode yang lebih efektif dan akurat untuk memprediksi harga Emas dibanding LSTM.

Kata Kunci : Emas;, GRU;  LSTM; Metrik Evaluasi, Prediksi,  Time Seris


Full Text:

PDF 468-475

References


S. S. Sharma, “Can consumer price index predict gold price returns?,” Econ Model, vol. 55, pp. 269–278, Jun. 2016, doi: 10.1016/j.econmod.2016.02.014.

Khalis Sofi, Aswan Supriyadi Sunge, Sasmitoh Rahmad Riady, and Antika Zahrotul Kamalia, “PERBANDINGAN ALGORITMA LINEAR REGRESSION, LSTM, DAN GRU DALAM MEMPREDIKSI HARGA SAHAM DENGAN MODEL TIME SERIES,” SEMINASTIKA, vol. 3, no. 1, pp. 39–46, Nov. 2021, doi: 10.47002/seminastika.v3i1.275.

S. Rath, A. Tripathy, and A. R. Tripathy, “Prediction of new active cases of coronavirus disease (COVID-19) pandemic using multiple linear regression model,” Diabetes and Metabolic Syndrome: Clinical Research and Reviews, vol. 14, no. 5, pp. 1467–1474, Sep. 2020, doi: 10.1016/j.dsx.2020.07.045.

A. Tholib, N. K. Agusmawati, and F. Khoiriyah, “PREDIKSI HARGA EMAS MENGGUNAKAN METODE LSTM DAN GRU,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 11, no. 3, Aug. 2023, doi: 10.23960/jitet.v11i3.3250.

Khalis Sofi, Aswan Supriyadi Sunge, Sasmitoh Rahmad Riady, and Antika Zahrotul Kamalia, “PERBANDINGAN ALGORITMA LINEAR REGRESSION, LSTM, DAN GRU DALAM MEMPREDIKSI HARGA SAHAM DENGAN MODEL TIME SERIES,” SEMINASTIKA, vol. 3, no. 1, pp. 39–46, Nov. 2021, doi: 10.47002/seminastika.v3i1.275.

M. Iqbal Ramadhan, “PENERAPAN DATA MINING UNTUK ANALISIS DATA BENCANA MILIK BNPB MENGGUNAKAN ALGORITMA K-MEANS DAN LINEAR REGRESSION,” 2017.

J. Cao, Z. Li, and J. Li, “Financial time series forecasting model based on CEEMDAN and LSTM,” Physica A: Statistical Mechanics and its Applications, vol. 519, pp. 127–139, Apr. 2019, doi: 10.1016/j.physa.2018.11.061.

D. Makala and Z. Li, “Prediction of gold price with ARIMA and SVM,” in Journal of Physics: Conference Series, IOP Publishing Ltd, Feb. 2021. doi: 10.1088/1742-6596/1767/1/012022.

V. Riandaru Prasetyo et al., “SISTEMASI: Jurnal Sistem Informasi Prediksi Harga Emas Berdasarkan Data gold.org menggunakan Metode Long Short Term Memory Gold Price Prediction Based on Gold.org Data using the Long Short Term Memory Method.” [Online]. Available: http://sistemasi.ftik.unisi.ac.id

W. Li, H. Wu, N. Zhu, Y. Jiang, J. Tan, and Y. Guo, “Prediction of dissolved oxygen in a fishery pond based on gated recurrent unit (GRU),” Information Processing in Agriculture, vol. 8, no. 1, pp. 185–193, Mar. 2021, doi: 10.1016/j.inpa.2020.02.002.

K. Cho et al., “Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation.”

“20209-60264-1-SM”.

B. Yang, S. Sun, J. Li, X. Lin, and Y. Tian, “Traffic flow prediction using LSTM with feature enhancement,” Neurocomputing, vol. 332, pp. 320–327, Mar. 2019, doi: 10.1016/j.neucom.2018.12.016.

Khalis Sofi, Aswan Supriyadi Sunge, Sasmitoh Rahmad Riady, and Antika Zahrotul Kamalia, “PERBANDINGAN ALGORITMA LINEAR REGRESSION, LSTM, DAN GRU DALAM MEMPREDIKSI HARGA SAHAM DENGAN MODEL TIME SERIES,” SEMINASTIKA, vol. 3, no. 1, pp. 39–46, Nov. 2021, doi: 10.47002/seminastika.v3i1.275.

M. Owen, V. Vincent, R. Br Ambarita, and E. Indra, “IMPLEMENTASI METODE LONG SHORT TERM MEMORY UNTUK MEMPREDIKSI PERGERAKAN NILAI HARGA EMAS,” Jurnal Teknik Informasi dan Komputer (Tekinkom), vol. 5, no. 1, p. 96, Jun. 2022, doi: 10.37600/tekinkom.v5i1.507.




DOI: http://dx.doi.org/10.23960/jitet.v12i1.3808

Refbacks

  • There are currently no refbacks.


This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Publisher
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Lampung
Jl. Prof. Soemantri Brojonegoro No. 1 Bandar Lampung 35145
Email: jitet@eng.unila.ac.id
Website : https://journal.eng.unila.ac.id/index.php/jitet

Copyright (c) Jurnal Informatika dan Teknik Elektro Terapan (JITET)
pISSN: 2303-0577   eISSN: 2830-7062