PREDIKSI HARGA PADA TRADING FOREX PAIR XAUUSD MENGGUNAKAN ALGORITMA LSTM

Pratama, Akbar (2025) PREDIKSI HARGA PADA TRADING FOREX PAIR XAUUSD MENGGUNAKAN ALGORITMA LSTM. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf

Download (867kB)
[img] Text (BAB I)
BAB I.pdf

Download (180kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only

Download (879kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only

Download (258kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only

Download (820kB)
[img] Text (BAB V)
BAB V.pdf

Download (86kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only

Download (188kB)
[img] Archive (SOURCE CODE)
Sourcecode - 21.12.1982.zip
Restricted to Repository staff only

Download (505kB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only

Download (648kB)

Abstract

Pasar valuta asing (Forex) merupakan pasar keuangan terbesar di dunia, dengan pasangan XAU/USD, yang menggambarkan harga emas terhadap dolar Amerika Serikat, menjadi salah satu instrumen yang paling banyak diperdagangkan. Fluktuasi harga yang signifikan dalam waktu singkat pada pasangan XAU/USD menjadikan prediksi harga sebagai tantangan tersendiri bagi para trader dan investor. Penelitian ini bertujuan untuk mengevaluasi kualitas model Long Short-Term Memory (LSTM) dan mengukur tingkat akurasi algoritma tersebut dalam memprediksi harga XAU/USD, berdasarkan data historis dari 1 Januari 2019 hingga 4 November 2024, dengan rentang waktu lima tahun yang diambil dari platform www.investing.com. Hasil yang diperoleh dari model LSTM menunjukkan nilai Root Mean Squared Error (RMSE) sebesar 24,003733, koefisien determinasi (R²) sebesar 0.990805, dan Mean Absolute Percentage Error (MAPE) sebesar 0.858224, yang menandakan bahwa model ini mampu menghasilkan prediksi dengan tingkat akurasi yang baik.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Fajri, Ika Nur
Uncontrolled Keywords: Forex, XAU/USD, LSTM, Prediksi
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
Divisions: Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 10 Apr 2025 04:36
Last Modified: 10 Apr 2025 04:36
URI: http://eprints.amikom.ac.id/id/eprint/29245

Actions (login required)

View Item View Item