Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal International Journal Artificial Intelligent and Informatics Jurnal Dinamika Informatika (JDI)
AL ANSHORI, FAQIHUDDIN
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Prediction of Euro to US Dollar Exchange Rate Using CNN Method with Grid Optimization Al Anshori, Faqihuddin; Pidgeon, S
International Journal Artificial Intelligent and Informatics Vol 3, No 2 (2025)
Publisher : Research and Social Study Institute (ReSSI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (601.877 KB) | DOI: 10.33292/ijarlit.v3i2.45

Abstract

This research compares the performance of Convolutional Neural Network (CNN) models without optimization and CNN with Grid Search optimization in predicting the Euro exchange rate against the United States Dollar. Data obtained from Yahoo Finance for the period 2018-2023. The results showed that the CNN model with Grid Search optimization provided better performance with an RMSE value of 0.01, MAE of 0.01, MAPE of 0.61%, and R² of 0.8586 on test data, and prediction accuracy reached 99.39%. Grid Search optimization successfully found the best parameters with batch_size 32, dense_units 50, filters 64, kernel_size 3, and learning_rate 0.001. This research proves that hyperparameter optimization can improve the performance of CNN models in predicting currency exchange rates, which can be a decision support tool for foreign exchange market players.
Peramalan Harga Saham BCA Menggunakan Long Short Term Memory (LSTM) Al Anshori, Faqihuddin
Jurnal Dinamika Informatika Vol. 13 No. 2 (2024): Jurnal Dinamika Informatika Volume: 13 Nomer: 2
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v13i2.511

Abstract

Penelitian ini berfokus pada pengembangan dan evaluasi model Long Short-Term Memory (LSTM) untuk prediksi saham BCA. Model LSTM dipilih karena kemampuannya dalam menangani data deret waktu yang kompleks dan menangkap pola temporal yang mendasari. Dalam penelitian ini, model LSTM dilatih dan diuji menggunakan dataset saham BCA yang bersumber dari Yahoo Finance. Hasil evaluasi menunjukkan bahwa model LSTM memiliki performa prediksi yang sangat baik dengan Mean Absolute Percentage Error (MAPE) sebesar 1.1244905% dan Root Mean Squared Error (RMSE) sebesar 109.78883. Nilai MAPE yang rendah menunjukkan bahwa model ini dapat memberikan prediksi dengan kesalahan rata-rata yang sangat kecil, yaitu sekitar 1.12% dari nilai aktual. Nilai RMSE memberikan gambaran tentang tingkat kesalahan absolut prediksi, yang dalam konteks skala data yang digunakan, menunjukkan kesesuaian yang baik antara nilai prediksi dan nilai aktual. Kesimpulannya, model LSTM yang dikembangkan menunjukkan potensi besar untuk digunakan dalam prediksi harga saham. Model ini dapat diandalkan untuk memberikan prediksi yang akurat dan membantu dalam pengambilan keputusan berbasis data. Penelitian lebih lanjut direkomendasikan untuk mengoptimalkan model ini melalui teknik-teknik seperti tuning hiperparameter dan penggabungan dengan model-model lain untuk meningkatkan akurasi prediksi lebih lanjut. Selain itu, penerapan model pada berbagai jenis data dan skenario yang berbeda akan memperluas generalisasi dan aplikasi dari model LSTM yang dikembangkan.
Co-Authors Pidgeon, S