Prediksi Harga Emas Menggunakan Univariate Convolutional Neural Network

Abstract

AbstrakDalam berinvestasi, tak lepas dengan menebak naik turunya harga agar tidak rugi dalam berinvestasi. Hal ini diperlukan dukungan teknologi untuk dapat mengetahui informasi dalam menghadapi harga yang selalu berubah-ubah setiap hari dan bahkan setiap jamnya. Investor dalam hal ini untuk komoditi emas harus dapat memprediksi harga yang selalu serubah-ubah tersebut sebelum melakukan trasnsaksi jual maupun beli, agar investor tepat dalam melakukan aktivitas jual maupun beli saham. Dengan demikian, penulis akan membuat penelitian mengenai prediksi harga emas dunia, yang bermanfaat bagi investor maupun masyarakat yang akan melakukan jual beli emas dalam bentuk saham ataupun barang agar tepat dalam mengambil keputusan. Tujuan dari prediksi adalah memperkecil kesalahan, sehingga selisih antara perkiraan dengan kejadian yang sebenarnya diminimalkan. Suatu prediksi tidak dapat dipastikan tepat sepenuhnya, tetapi memungkinkan untuk memberikan hasil yang mendekati dengan kejadian sebenarnya. Algoritma yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN). CNN termasuk dalam bidang Deep Learning (DL), yang termasuk dalam sub bidang dari Machine Learning (ML), yang mana menerapkan konsep dasar algoritma ANN dengan lapisan yang lebih banyak. Dalam penelitian ini, penulis menggunakan pendekatan univariate CNN. Dilakukan beberapa pengujian pada parameter model CNN. Hasil terbaik ditunjukan pada model 1 yaitu pengujian dense kondisi 5, yaitu dengan parameter model filters = 64, kernel = 2, pooling = 2, epochs = 2.000, dan dense = 50 dengan hasil RMSE yaitu 690,40.Abstract Investing activities deal with predicting the prices to avoid loss. Advanced technology is required to access various information regarding the fluctuating price everyday even every hour. In the context of this research, investors, especially investors in gold commodities should be able to predict the gold price before making transactions. Hence, investors will be able to buy or sell their stocks precisely. Regarding to those reasons, the researcher is interested in conducting research on the prediction of global gold price which results will be beneficial for investors and broader community to help them making precise decision to buy or sell gold commodities and stocks. Making precise prediction is meant to minimize the chance of making mistakes as it closes the gap between what has been expected and the outcome. Predictions cannot be guaranteed precise, yet predictions might be close to the outcome. In this research, Convolutional Neural Network (CNN) algorithm will be used. CNN belongs to the Deep Learning (DL), a sub field of Machine Learning (ML) in which basic ANN algorithm with more layers is employed. A univariate CNN approach and several tests involving CNN model parameters were administered which results showed the score for model 1 of parameter; filters = 64, kernel = 2, pooling = 2, epochs = 2.000 and dense = 50 and RMSE outcome of 690,40.