Iman, Fadlan (2026) PENERAPAN LONG SHORT-TERM MEMORY (LSTM) UNTUK PREDIKSI HARGA EMAS BERDASARKAN FAKTOR EKONOMI MAKRO. S1 thesis, Universitas Malikussaleh.

	Text COVER.pdf Download (100kB)
	Text ABSTRAK.pdf Download (135kB)
	Text BAB-I.pdf Download (166kB)
	Text DAFTAR-PUSTAKA.pdf Download (127kB)
	Text FULL-TEXT.pdf Restricted to Registered users only Download (2MB)

Abstract

Fluktuasi dan volatilitas harga emas yang tinggi dalam jangka pendek menjadi tantangan besar bagi investor karena berpotensi memicu pengambilan keputusan spekulatif. Sebagian besar penelitian terdahulu masih menggunakan pendekatan univariat yang hanya mengandalkan data historis harga emas tanpa mempertimbangkan faktor eksternal seperti ekonomi makro. Penelitian ini bertujuan untuk menerapkan dan menganalisis keandalan model Long Short-Term Memory (LSTM) dengan pendekatan multivariat yang mengintegrasikan data historis harga emas serta empat faktor ekonomi makro, yaitu inflasi, suku bunga, nilai tukar dolar AS (USD/IDR), dan harga minyak mentah dunia. Dataset diseragamkan ke dalam frekuensi harian sepanjang periode 2023 hingga 2025 dengan total 1.004 baris data, kemudian dinormalisasi menggunakan Min-Max Normalization dan dibentuk ke dalam sequence berbasis 30 time-step. Dataset dibagi dengan proporsi 70% untuk training dan 30% untuk testing. Proses tuning hyperparameter dilakukan melalui lima kali iterasi pengujian. Hasil penelitian menunjukkan bahwa konfigurasi model LSTM terbaik diperoleh pada parameter units = 100, epochs = 100, dan batch size = 64, yang menghasilkan nilai Mean Absolute Error (MAE) sebesar 7.944,0218 pada data training dan 15.205,8567 pada data testing, serta Mean Absolute Percentage Error (MAPE) sebesar 0,7162% pada data training dan 0,8768% pada data testing. Model ini selanjutnya diimplementasikan ke dalam aplikasi berbasis web menggunakan kerangka kerja Flask, di mana seluruh fungsionalitasnya dinyatakan sesuai berdasarkan hasil Black Box Testing. Penelitian ini menyimpulkan bahwa integrasi faktor ekonomi makro melalui pendekatan multivariat efektif dalam meningkatkan akurasi dan stabilitas model Long Short-Term Memory (LSTM) untuk memprediksi harga emas.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Fadlan Iman
Date Deposited:	14 Aug 2026 03:13
Last Modified:	14 Aug 2026 03:13
URI:	https://rama.unimal.ac.id/id/eprint/21196

Actions (login required)

View Item