PREDIKSI HARGA EMAS MENGGUNAKAN METODE BILSTM DENGAN OPTIMASI CUCKOO SEARCH

Taukid, Mochamad Nurul (2025) PREDIKSI HARGA EMAS MENGGUNAKAN METODE BILSTM DENGAN OPTIMASI CUCKOO SEARCH. Undergraduate thesis, UNIVERSITAS PEMBANGUNAN NASIONAL "VETERAN" JAWA TIMUR.

	Text (COVER) COVER.pdf Download (2MB)
	Text (BAB 1) BAB 1.pdf Download (142kB)
	Text (BAB 2) BAB 2.pdf Restricted to Repository staff only until 9 June 2027. Download (1MB)
	Text (BAB 3) BAB 3.pdf Restricted to Repository staff only until 9 June 2027. Download (695kB)
	Text (BAB 4) BAB 4.pdf Restricted to Repository staff only until 9 June 2027. Download (6MB)
	Text (BAB 5) BAB 5.pdf Download (127kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Download (130kB)

Abstract

Emas merupakan komoditas utama yang diminati investor karena dianggap sebagai safe haven yang dapat melindungi dan meningkatkan kekayaan. Namun, investasi emas memiliki risiko akibat fluktuasi harga yang tajam. Oleh karena itu, prediksi harga emas sangat penting untuk membantu investor menentukan waktu yang tepat dalam membeli dan menjual emas guna meningkatkan potensi keuntungan. Penelitian ini menggunakan metode prediksi hybrid BiLSTM-CSO, yang menggabungkan kemampuan BiLSTM dalam mengelola data deret waktu dua arah dengan algoritma CSO untuk mengoptimasi hyperparameter seperti jumlah neuron pada setiap hidden layer, batch size, dan dropout rate, sehingga dapat meningkatkan akurasi prediksi. Hasil penelitian menunjukkan bahwa BiLSTM-CSO menghasilkan nilai Root Mean Square Error (RMSE) sebesar 0.01315 dan Mean Absolute Percentage Error (MAPE) sebesar 0.81%, sedangkan BiLSTM strandar menghasilkan RMSE sebesar 0.03649 dan MAPE sebesar 1.96%. Nilai error yang lebih rendah tersebut menunjukkan bahwa BiLSTM-CSO memiliki tingkat kesalahan prediksi yang lebih kecil dan akurasi yang lebih tinggi. Dengan demikian, model ini berpotensi menjadi alat bantu yang lebih akurat dalam memprediksi harga emas, yang pada akhirnya dapat membantu investor dalam menyusun strategi pembelian dan penjualan emas secara lebih tepat.

Item Type:

Thesis (Undergraduate)

Contributors: