Prediksi Harga Emas Menggunakan Jaringan Syaraf Tiruan Dengan Extreme Learning Machine (Studi Kasus: Harga Penutupan Emas Harian Periode Januari 2019 Sampai Dengan Mei 2021)
Abstract
Emas merupakan salah satu logam mulia hasil galian yang bernilai tinggi dari
sisi harga maupun penggunaannya. Kemampuannya terhadap daya beli, emas
seringkali dijadikan sebagai alat investasi berupa pelindung nilai dan kekayaan
(protector of value and wealth). Tingginya permintaan terhadap emas dari tahun ke
tahun yang kian meningkat. Sehingga penting sebuah pengetahuan dalam prediksi
harga emas yang bertujuan untuk mengetahui peluang harga emas yang berada di
masa mendatang. Penelitian ini pun dilakukan untuk membantu memberikan
informasi mengenai harga emas. Fokus penelitian ini adalah melakukan prediksi
terhadap data harga penutupan emas harian dengan satuan USD($)/oz selama
periode Januari 2019 - Mei 2021 menggunakan metode Jaringan Syaraf Tiruan
yaitu Extreme Learning Machine (ELM). Metode ELM digunakan karena tidak
perlu melakukan suatu asumsi dan memiliki performa yang baik sehingga hasilnya
mendekati kenyataan, dimana metode ini termasuk dalam Jaringan Syaraf Tiruan
(JST) feedforward yang biasa disebut dengan Single Hidden Layer Feedforward
Neural Networks (SLFNs). Dari hasil analisis deskriptif harga penutupan emas
yang terjadi selama periode tersebut cenderung mengalami penurunan. Hasil
prediksi yang dibandingkan dengan data asli tidak berbeda jauh, dengan arsitektur
yang terbentuk sebanyak 5 node input, 100 node hidden layer, dan 1 node output.
Dimana nilai MAPE didapatkan sebesar 1.7435% yang berarti kemampuan metode
ini melakukan prediksi sangat baik.
Collections
- Statistics [904]