Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal INFORMATIKA
Mohammad Sufa Ammar Habibi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering

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

Found 1 Documents
Search

 1 
PERBANDINGAN KINERJA GRU DAN SVR UNTUK PREDIKSI EMAS DI INDONESIA Mohammad Sufa Ammar Habibi; Arindra Harris Abdillah; Mohammad Idhom; Trimono Trimono
Informatika: Jurnal Teknik Informatika dan Multimedia Vol. 5 No. 1 (2025): MEI : JURNAL INFORMATIKA DAN MULTIMEDIA
Publisher : LPPM Politeknik Pratama Kendal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/informatika.v5i1.1105

Abstract

Emas merupakan instrumen investasi yang banyak diminati di Indonesia, terutama saat terjadi ketidakstabilan ekonomi. Namun, volatilitas harga emas yang dipengaruhi oleh faktor makroekonomi domestik dan global membuat prediksinya menjadi tantangan tersendiri. Penelitian ini membandingkan kinerja dua model prediksi, yaitu Gated Recurrent Unit (GRU) dan Support Vector Regression (SVR), dalam meramalkan harga emas jangka pendek berdasarkan data historis harian periode 2020–2025 sebanyak 1.345 data. Data diolah melalui proses normalisasi dan pembentukan data sekuensial dengan jendela waktu 60 hari. Kedua model dievaluasi menggunakan metrik regresi seperti RMSE, MAE, MSE, dan R². Hasil menunjukkan bahwa model GRU lebih unggul dibandingkan SVR dalam menangkap pola non-linear dan temporal pada data deret waktu, serta menghasilkan prediksi yang lebih akurat. Harga emas pada 7 Mei 2025 diperkirakan sebesar Rp1.736.978. Temuan ini menunjukkan bahwa model deep learning seperti GRU memiliki potensi besar dalam analisis data keuangan dan dapat memberikan kontribusi praktis bagi investor, peneliti, dan pembuat kebijakan. Penelitian selanjutnya disarankan untuk mengintegrasikan variabel makroekonomi dan pendekatan hybrid guna meningkatkan akurasi prediksi.
Co-Authors Arindra Harris Abdillah Mohammad Idhom Trimono Trimono