Publisher

ATMALUHURATMALUHUR

Journal Jurnal Sisfokom (Sistem Informasi dan Komputer)Jurnal Sisfokom (Sistem Informasi dan Komputer) Abstract

Abstrak— Studi ini meneliti penggunaan model Gated Recurrent Unit (GRU) dengan arsitektur empat lapis untuk prediksi harga emas harian, didorong oleh kemampuan model untuk secara efektif menangkap ketergantungan temporal dalam data deret waktu. Prediksi harga emas sangat menantang karena volatilitas dan faktor eksternal, sehingga menjadi area penelitian penting bagi investor dan analis keuangan. Dengan mengoptimalkan sistematis parameter hyperparameter melalui 72 kombinasi epoch, ukuran batch, unit GRU, dan tingkat dropout, studi ini mengidentifikasi konfigurasi optimal (100 epoch, ukuran batch 16, 256 unit, tingkat dropout 0,1) berdasarkan kinerja MSE pada data validasi. Model terbaik mencapai MAE sebesar 25,76, MSE sebesar 954,97, dan RMSE sebesar 30,90 setelah transformasi invers pada data uji. Hasil ini menunjukkan potensi model GRU dalam memprediksi harga emas secara akurat, dengan implikasi untuk pengambilan keputusan keuangan. Namun, kesalahan prediksi menunjukkan bahwa peningkatan lebih lanjut dapat dicapai dengan mengintegrasikan faktor eksternal atau mengeksplorasi arsitektur model yang lebih canggih.

Conclusion

Studi ini berhasil menerapkan dan mengevaluasi model Gated Recurrent Unit (GRU) dengan arsitektur empat lapis untuk tugas prediksi harga penutupan emas harian.Melalui proses optimasi hyperparameter sistematis, uji coba 72 kombinasi epoch, ukuran batch, unit per lapisan GRU, dan tingkat dropout, ditemukan bahwa konfigurasi dengan 100 epoch nominal (dihentikan lebih awal pada epoch 83 oleh Early Stopping), ukuran batch 16, 256 unit, dan tingkat dropout 0,1 menghasilkan kinerja terbaik berdasarkan metrik MSE pada data validasi.Evaluasi pada data uji menunjukkan bahwa model optimal ini mampu menangkap pola dan tren utama dalam data harga emas historis, mencapai nilai RMSE sekitar 30,90 setelah skala dikembalikan.Hasil ini menunjukkan bahwa model GRU, ketika dikonfigurasi dan dilatih dengan teknik seperti Early Stopping untuk mencegah overfitting, merupakan pendekatan yang menjanjikan untuk memprediksi deret waktu keuangan kompleks seperti harga emas.Namun, adanya kesalahan prediksi menunjukkan bahwa peningkatan lebih lanjut masih mungkin, seperti melalui penambahan fitur eksternal atau eksplorasi arsitektur model yang lebih canggih.

Future Research

Penelitian lanjutan dapat fokus pada integrasi faktor eksternal seperti indikator makroekonomi atau kebijakan moneter ke dalam model GRU untuk meningkatkan akurasi prediksi. Selain itu, eksplorasi arsitektur hybrid yang menggabungkan GRU dengan teknik lain seperti CNN atau Transformer dapat menjadi arah studi baru. Peneliti juga bisa mengeksplorasi penggunaan dataset yang lebih besar dan terbaru, serta membandingkan kinerja model GRU dengan algoritma lain seperti LSTM atau Transformer dalam konteks prediksi harga emas di Indonesia.

References

1. IntelMatics. data mining predicting xau price trends forex market metatrader na bayes method intelmatics... e-journal.trisakti.ac.id/index.php/intelmatics/article/view/17199IntelMatics data mining predicting xau price trends forex market metatrader na bayes method intelmatics e journal trisakti ac index php intelmatics article view 17199
2. Client Challenge. client challenge javascript disabled browser please enable proceed required part site... link.springer.com/10.1007/s10462-024-10811-5Client Challenge client challenge javascript disabled browser please enable proceed required part site link springer 10 1007 s10462 024 10811 5
3. Implementation of Gated Recurrent Unit, Long Short-Term Memory and Derivatives for Gold Price Prediction... journal.irpi.or.id/index.php/predatecs/article/view/1609Implementation of Gated Recurrent Unit Long Short Term Memory and Derivatives for Gold Price Prediction journal irpi index php predatecs article view 1609

Metadata

File size	543.57 KB
Pages	7
DMCA	Report