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

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