Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Meriani, Anggi Putri
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PERBANDINGAN GATED RECURRENT UNIT (GRU) DAN ALGORITMA LONG SHORT TERM MEMORY (LSTM) LINEAR REFRESSION DALAM PREDIKSI HARGA EMAS MENGGUNAKAN MODEL TIME SERIES Meriani, Anggi Putri; Rahmatulloh, Alam
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i1.3808

Abstract

Abstrak. Prediksi harga emas sangat penting karena menjadi acuan bagi para investor untuk menentukan strategi yang tepat dalam berinvestasi. Tren metode prediksi dalam beberapa tahun terakhir adalah deep learning, yang merupakan subbidang machine learning dan populer dalam menangani masalah prediksi time-series. Dalam penelitian ini, kami membandingkan performa dua metode deep learning, yaitu Long Short-Tern Memory (LSTM)  Gated Recurrent Unit (GRU)dan Linier Regression dalam memprediksi harga Emas. Hasil dalam penelitian ini menunjukkan bahwa metode GRU lebih akurat dibanding metode LSTM dalam memprediksi harga Emas, meskipun dalam perhitungan metrik evaluasi didapatkan nilai eror LSTM lebih rendah. Hasil model LSTM terbaik yang diujikan memiliki nilai MAE sebesar 0.0389, RMSE sebesar 0.0475, dan MAPE sebesar 5.2047%, serta model GRU terbaik dari hasil pengujian memiliki nilai MAE 0.0447, RMSE 0.0545, dan MAPE 6.0688%. Dari hasil penelitian ini, kami menemukan bahwa GRU adalah metode yang lebih efektif dan akurat untuk memprediksi harga Emas dibanding LSTM.Kata Kunci : Emas;, GRU;  LSTM; Metrik Evaluasi, Prediksi,  Time Seris
Co-Authors Alam Rahmatulloh Asih, Dwi Ramti A’izzah, Virra Retnowati