IMPLEMENTASI MODEL HYBRID ARIMA-EXTREME LEARNING MACHINE UNTUK PREDIKSI HARGA EMAS

Salsa Agung Oktariana, - (2023) IMPLEMENTASI MODEL HYBRID ARIMA-EXTREME LEARNING MACHINE UNTUK PREDIKSI HARGA EMAS. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Investasi merupakan suatu kegiatan penanaman modal dalam bentuk aset berharga, bertujuan untuk memperoleh keuntungan. Terdapat berbagai jenis investasi salah satunya ialah emas. Investasi emas merupakan suatu investasi yang bersifat aman dan cenderung stabil. Harga emas yang fluktuatif inilah yang membuat investor harus mengetahui pergerakan harga emas agar dapat menentukan keputusan untuk berinvestasi. Salah satu cara yang digunakan untuk mengetahui harga emas ialah dengan melakukan peralaman. Peramalan yang akan digunakan dalam penelitian ini adalah penggabungan metode ARIMA dan metode Extreme Learning Machine (ELM) untuk memprediksi harga emas. Harga emas dipilih sebagai objek eksperimen, dan dibagi menjadi 80% untuk data training dan 20% untuk data testing. Langkah yang dilakukan ialah menentukan hasil peramalan dari model ARIMA yang kemudian akan dijadikan input model ELM. Hasil akhir dari data testing digunakan sebagai peralaman harga emas. kemudian tingkat akurasi diukur dengan Mean Absolute Percentage Error (MAPE). Pada meto Hybrid ARIMA-Extreme Learning Machine menghasilkan nilai MAPE sebesar 2,19% dengan hasil peramalan harga emas bulan Juli 2021 hingga Juni 2022 berada pada kisaran Rp 941.261,00 sampai Rp 941.272,00. Nilai MAPE yang dihasilkan tidak lebih dari 10% yang berarti hasil peramalan masuk dalam kategori sangat baik. Hasil penelitian menunjukan bahwa implementasi yang dilakukan untuk memprediksi harga emas dapat memberikan gambaran pada investor sebelum membuat keputusan. Investment is an investment activity in the form of valuable assets that aim to obtain a profit. There are various types of investments, one of which is gold. Gold investment is an investment that is safe and stable. This fluctuating gold price is what makes investors have to know the movement of gold prices in order to determine the decision to invest. One of the ways used to find out the price of gold is to do experience. The forecasting that will be used in this study is a combination of ARIMA method and Extreme Learning Machine (ELM) method to predict gold prices. The price of gold was chosen as the object of experimentation, and divided into 80% for training data and 20% for testing data. The step taken is to determine the forecasting results of the ARIMA model which will then be used as input for the ELM model. The final results of the testing data are used as a forecast of gold prices. then the accuracy rate is measured by Mean Absolute Percentage Error (MAPE). The Hybrid ARIMA-Extreme Learning Machine produces a MAPE value of 2.19% with the results of forecasting gold prices from July 2021 to June 2022 in the range of IDR 941,261.00 to IDR 941,272.00. The resulting MAPE value is no more than 10%, which means that the forecasting results are in the very good category. The results show that the implementation carried out to predict gold prices can provide investors with an idea before making decisions.

	Text S_MAT_1908125_Title.pdf Download (962kB)
	Text S_MAT_1908125_Chapter1.pdf Download (260kB)
	Text S_MAT_1908125_Chapter2.pdf Restricted to Staf Perpustakaan Download (564kB)
	Text S_MAT_1908125_Chapter3.pdf Download (535kB)
	Text S_MAT_1908125_Chapter4.pdf Restricted to Staf Perpustakaan Download (797kB)
	Text S_MAT_1908125_Chapter5.pdf Download (252kB)
	Text S_MAT_1908125_Appendix.pdf Restricted to Staf Perpustakaan Download (443kB)

Item Type:	Thesis (S1)
Additional Information:	ID SINTA Dosen Pembimbing: Fitriani Agustina : 5981275 Entit Puspita : 5986409
Uncontrolled Keywords:	Investasi, Harga Emas, Peramalan, ARIMA, Extreme Learning Machie, Hybrid ARIMA-Extreme Learning Machine
Subjects:	L Education > L Education (General) Q Science > QA Mathematics
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Matematika - S1 > Program Studi Matematika (non kependidikan)
Depositing User:	Salsa Agung Oktariana
Date Deposited:	01 Sep 2023 07:28
Last Modified:	01 Sep 2023 07:28
URI:	http://repository.upi.edu/id/eprint/100245

Actions (login required)

View Item