FORECASTING PERGERAKAN HARGA EMAS BERBASIS WEB MENGGUNAKAN METODE LSTM DENGAN KOMBINASI VARIABEL (FFR&NFP)

Setiawan, Erwin (2026) FORECASTING PERGERAKAN HARGA EMAS BERBASIS WEB MENGGUNAKAN METODE LSTM DENGAN KOMBINASI VARIABEL (FFR&NFP). Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_55201_2213020046.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (Similarity) RAMA_55201_2213020046 _SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2213020046_0713059502_0720117501_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (625kB)
	Text (BAB 2) RAMA_55201_2213020046_0713059502_0720117501_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (330kB) | Request a copy
	Text (BAB 3) RAMA_55201_2213020046_0713059502_0720117501_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (448kB) | Request a copy
	Text (BAB 4) RAMA_55201_2213020046_0713059502_0720117501_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (470kB) | Request a copy
	Text (BAB 5) RAMA_55201_2213020046_0713059502_0720117501_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (192kB) | Request a copy
	Text (References) RAMA_55201_2213020046_0713059502_0720117501_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (187kB)
	Text (Lampiran) RAMA_55201_2213020046_0713059502_0720117501_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (467kB) | Request a copy

Abstract

Penelitian ini bertujuan untuk menganalisis kinerja model Long Short-Term Memory (LSTM) dalam memprediksi arah pergerakan harga emas XAU/USD periode 2015–2024 dengan memadukan variabel harga emas (Open, High, Low, Close), Federal Funds Rate (FFR), dan Non-Farm Payroll (NFP). Model dirancang sebagai LSTM multivariat dua lapis (24 dan 12 unit) dengan pendekatan feature engineering berbasis rasio (scale-invariant) untuk mengakomodasi tren kenaikan harga jangka panjang, serta diimplementasikan ke dalam aplikasi berbasis web menggunakan pendekatan waterfall sehingga pengguna dapat memperoleh prediksi harga beserta arah trennya secara interaktif. Kinerja model dievaluasi menggunakan Directional Statistic (D-Stat) sebagai metrik utama dan Root Mean Square Error (RMSE) sebagai pendukung. Hasil penelitian menunjukkan model mencapai D-Stat sebesar 72,55% terhadap close_lag1, jauh melampaui baseline pasar (52,29%), dengan RMSE sebesar $48,30 (galat relatif sekitar 2,4%) pada 153 sampel uji periode 2022–2024. Pengujian fungsional menggunakan Blackbox Testing menunjukkan bahwa seluruh fitur sistem berjalan sesuai dengan yang diharapkan. Dengan demikian, integrasi variabel makroekonomi FFR dan NFP memberikan konteks yang memperkaya informasi model, sehingga tujuan penelitian dinyatakan tercapai.

Actions (login required)

View Item