Claim Missing Document
Check
Articles

Found 1 Documents
Search

OPTIMASI PARAMETER ARTIFICIAL NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA PADA PERAMALAN TOKEN METAVERSE SANDBOX Muhamad Afnan, Zikri; Herry Chrisnanto, Yulison; Hendro Pudjiantoro, Tacbir
Jurnal Locus Penelitian dan Pengabdian Vol. 2 No. 10 (2023): jurnal locus penelitian dan pengabdian
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/locus.v2i10.1733

Abstract

Sandbox (SAND) adalah salah satu token utama dalam ekosistem Metaverse the Sandbox, Harga token sandbox (SAND) sangat dipengaruhi oleh faktor-faktor seperti permintaan, ketersediaan, dan berita terkait proyek, dengan adanya volatilitas yang tinggi dalam harga SAND. Tujuan penelitian ini adalah untuk menganalisis kinerja algoritma genetika dalam mengoptimasi ANN dalam memprediksi harga close (Penutup) token metaverse sandbox. Sistem prediksi harga token metaverse sandbox menggunakan metode optimasi artificial neural network dengan algoritma genetika, untuk melihat fluktuasi harga token sandbox terhadap rupiah di masa yang akan datang. Penelitian yang dilakukan pada data time series nilai tukar Rupiah terhadap token Sandbox periode 14 Agustus 2020 hingga 30 Juni 2023 menggunakan optimasi Artificial Neural Network (ANN) dengan algoritma genetika. Hasil penelitian mengungkapkan bahwa algoritma genetika mampu digunakan untuk menentukan kombinasi parameter terbaik pada ANN dalam melakukan prediksi nilai token Sandbox. Selain itu, pengujian akurasi juga menunjukkan penurunan tingkat error dari RMSE Train 1747 RMSE Test 424 menjadi RMSE Train 1028 RMSE Test 324, mengindikasikan terjadinya peningkatan akurasi dalam sistem prediksi. Penelitian ini dilakukan pada data time series nilai tukar Rupiah terhadap token Sandbox yang mencakup 1052 record dari periode 14 Agustus 2020 hingga 30 Juni 2023 dengan menggunakan optimasi Artificial Neural Network (ANN) melalui algoritma Genetika.