Implementasi algoritme Extreme Learning Machine (ELM) untuk prediksi harga emas Indonesia.

Wati, Laila Restu Setiya (2018) Implementasi algoritme Extreme Learning Machine (ELM) untuk prediksi harga emas Indonesia. Sarjana thesis, Universitas Brawijaya.

Abstract

Berinvestasi ada berbagai macam salah satunya adalah emas. Emas pada umumnya adalah perhiasan atau benda koleksi yang dapat dan biasa dijadikan investasi jangka panjang, karena keuntungan investasi emas mudah diuangkan dan tidak ada pajak. Keuntungan lainnya dari investasi emas karena memiliki sifat yang tahan terhadap inflasi. Sifat ketahanan itu yang membuat tertarik investor untuk berinvestasi. Investor sangat membutuhkan informasi mengenai perubahan naik turunnya harga emas sebagai pertimbangan kapan harus membeli dan menjual emas agar mendapatkan keuntungan yang sesuai dengan perencanaan yang telah dibuat. Diperlukan kemampuan sistem melakukan prediksi harga emas untuk mendapat hasil yang akurat. Penelitian ini menggunakan algoritme Extreme Learning Machine (ELM) untuk memprediksi harga emas. Pengujian dalam memprediksi ini memodelkan algoritme ELM untuk harga emas agar menghasilkan prediksi harga emas dengan optimal. Hasil analisa pengujian didapatkan variabel terbaik adalah jumlah neuron = 4, jumlah fitur = 3, fungsi aktivasi yang digunakan sigmoid biner serta perbandingan jumlah data training dan testing yang digunakan 140 data & 10 data menghasilkan Mean Absolute Error Percentage (MAPE) terbaik sebesar 0,29%, dari MAPE yang dihasilkan kurang dari 10% menunjukkan bahwa algoritme Extreme Learning Machine (ELM) sangat baik untuk diimplementasikan dalam melakukan prediksi harga emas.

English Abstract

There are a variety of investing one is gold. Gold in General is a collection of objects or jewelry can usually be used as long-term investment, because the benefits of investing in gold is easily cashed and no tax. Another advantage of investing in gold because it has properties that are resistant to inflation. The nature of the resistance it that make interested investors to invest. Investors in dire need of information on changes in the price of gold climbed as a consideration of when to buy and sell gold in order to benefit in accordance with the planning that has been created. Required capability of the system doing the predictions of gold price to get accurate results. This research uses algorithms Extreme Learning Machine (ELM) for predicting the price of gold. Testing in predicting this model the algorithm so that the gold price to ELM produce gold price predictions with optimal. Analysis of the results obtained by testing the best variable is the number of neuron = 4, the number of features = 3, the sigmoid activation function used binary as well as the comparative amount of data training and testing used 140 data data produces 10 & Mean Absolute Error Percentage (MAPE) best of 0.29%, from MAPE generated less than 10% indicates that the algorithm Extreme Learning Machine (ELM) good to be implemented in doing the predictions of the gold price.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2018/994/051900797
Uncontrolled Keywords:	harga emas Indonesia, ELM, MAPE.-gold prices Indonesia, ELM, MAPE
Subjects:	300 Social sciences > 332 Financial economics > 332.4 Money > 332.45 Foreign exchange
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	soegeng sugeng
Date Deposited:	31 Oct 2019 07:15
Last Modified:	18 May 2022 07:49
URI:	http://repository.ub.ac.id/id/eprint/166784

Text Laila Restu Setiya Wati.pdf Download (2MB)

Actions (login required)

View Item