<![CDATA[Emas merupakan komoditas utama yang diminati investor karena dianggap sebagai safe haven yang dapat melindungi dan meningkatkan kekayaan. Namun, investasi emas memiliki risiko akibat fluktuasi harga yang tajam. Oleh karena itu, prediksi harga emas sangat penting untuk membantu investor menentukan waktu yang tepat dalam membeli dan menjual emas guna meningkatkan potensi keuntungan. Penelitian ini menggunakan metode prediksi hybrid BiLSTM-CSO, yang menggabungkan kemampuan BiLSTM dalam mengelola data deret waktu dua arah dengan algoritma CSO untuk mengoptimasi hyperparameter seperti jumlah neuron pada setiap hidden layer, batch size, dan dropout rate, sehingga dapat meningkatkan akurasi prediksi. Hasil evaluasi menunjukkan bahwa model ini mampu memberikan performa prediksi yang baik dengan nilai RMSE sebesar 0.01315 dan MAPE sebesar 0.81%. Model ini kemudian diimplementasikan ke dalam aplikasi web yang menjadi potensi sebagai alat bantu yang informatif untuk memantau dan memprediksi harga emas]]>
Copyrights © 2025
