SKRIPSI DIGITAL
Penerapan Algoritma Long Short-Term Memory (LSTM) dalam Rancang Bangun Sistem Prediksi Harga Emas = Application of Long Short-Term Memory (LSTM) Algorithm in the Development of a Gold Price Prediction System
Emas merupakan salah satu instrumen investasi yang diminati karena kestabilannya dan kemampuannya menjaga nilai terhadap inflasi. Namun, pergerakan harga emas bersifat fluktuatif dan dipengaruhi oleh berbagai faktor ekonomi global, nilai tukar mata uang, serta kondisi geopolitik, yang menyebabkan prediksi harga emas menjadi suatu tantangan tersendiri. Penelitian ini bertujuan untuk mengembangkan sistem prediksi harga emas menggunakan algoritma LSTM. Data yang digunakan merupakan data historis harga jual dan beli emas harian dari tahun 2018 hingga 2024, yang diperoleh dari Yahoo Finance, Logam Mulia, dan Bank Indonesia. Tahapan pemodelan mengikuti metode CRISP-DM, mulai dari pemahaman bisnis, pemrosesan dan analisis data, hingga modeling dan evaluasi. Validasi model dilakukan menggunakan Time Series Cross Validation sebanyak lima fold. Model LSTM dibandingkan dengan arsitektur lain seperti GRU, CNN1D, dan Simple RNN untuk melihat performa terbaik. Hasil evaluasi menunjukkan bahwa model LSTM memberikan performa terbaik dengan skor R² sebesar 0,99 (jual) dan 0,98 (beli) pada data uji akhir. Sistem ini diterapkan secara daring melalui Railway (backend) dan Netlify (frontend) sehingga dapat diakses secara real-time. Penelitian ini diharapkan dapat membantu investor maupun masyarakat umum dalam mengambil keputusan investasi yang lebih cerdas, berbasis data historis yang valid dan teknologi prediksi yang mutakhir.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah