Implementasi Algoritma Pengklasifikasi Long Short–Term Memory (LSTM) untuk Data Time Series

Sari, Arum Indah
Hapsari, Dian Puspita
Wibowo, Handi F. Resi
Putri, Chatarina Natassya
Lande, Gamaliel V. Fofid
Aldero, Exacta Bunayya

Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK)
2025: SNESTIK V

Meramalkan harga emas sangat penting untuk membuat keputusan keuangan yang tepat, menawarkan informasi berharga bagi investor dan pemangku kepentingan di pasar emas. Metode pembelajaran mendalam telah membuat kemajuan signifikan di berbagai bidang, seperti pengenalan gambar dan analisis sentimen. Makalah ini mengimplementasikan jaringan Memori Jangka Panjang dan Pendek (LSTM) untuk klasifikasi data kemudian kinerjanya dibandingkan dengan model regresi linier untuk memprediksi fluktuasi harga emas. Analisis prediksi harga emas harian menunjukkan bahwa model LSTM mencapai tingkat akurasi 88%, sedangkan model regresi linier berkinerja sedikit lebih baik dengan tingkat akurasi 98%. Dengan memanfaatkan kekuatan kedua model, penelitian ini memberikan wawasan penting bagi investor di pasar emas.