Prediksi Harga Xau/USD Menggunakan Metode Bidirectional Long Shot-Term Memory (Bilstm)
Tahun 2026 · Penulis: Dila Ayu Saputri
Faculty of Mathematics and Natural Sciences, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/10702
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Prediksi Harga Xau/USD Menggunakan Metode Bidirectional Long Shot-Term Memory (Bilstm)
Gerakan harga emas dalam bentuk pasangan mata uang XAU/USD memiliki volatilitas tinggi karena dipengaruhi oleh dinamika harga emas global dan fluktuasi dalam tingkat tukar dolar AS. Kondisi ini menyebabkan tingkat ketidakpastian yang tinggi dan menyulitkan para pedagang dan investor untuk membuat keputusan transaksi optimal. Oleh karena itu, metode prediksi dibutuhkan yang mampu menangkap pola pergerakan harga secara akurat berdasarkan data sejarah. Penelitian ini bertujuan untuk menerapkan Memori Panjang-Terma-panjang-pendek (BiLSTM) untuk memprediksi harga penutupan XAU/USD pada kerangka waktu sehari-hari dan mengevaluasi akurasi hasil prediksi. Data yang digunakan dalam penelitian ini adalah data XAU/USD sejarah dari 2020 Januari sampai 2026 diperoleh dari platform Metatrader 5. Variabel yang digunakan termasuk Open, High, Low, Close, and Tick Volume. Model BiLSTM dibangun dengan satu lapis dwiarah dan dua lapisan padat, dan tuning hyperparameter otomatis dilakukan untuk mendapatkan konfigurasi terbaik. Model dievaluasi menggunakan Error Akar Mean Square (RMSE) dan Mean Absolute Persentage Error (MAPE). Hasilnya menunjukkan bahwa konfigurasi terbaik dicapai pada saat langkah 45, menghasilkan pengujian RMSE dari 49,09 dan validasi hilang 0,001986. Evaluasi prakiraan 30 hari menunjukkan bahwa model mempertahankan akurasi optimal hingga lima hari berturut-turut dengan nilai MAPE 2%. Penemuan ini menunjukkan bahwa metode BiLSTM memiliki kemampuan yang kuat dalam prediksi harga jangka pendek XAU/USD dan aplikasi potensial sebagai sistem pendukung keputusan dalam perdagangan dan analisis pasar data yang dikendalikan.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,862
Tahun 2026 · Penulis: Wynda Ananda Ika Kharisma
Prediksi Harga Emas Menggunakan Metode Gated Recurrent Unit (GRU)
Harga emas merupakan jenis data deret waktu (time series) yang menunjukkan pola fluktuatif dan dipengaruhi oleh berbagai faktor ekonomi, sehingga prediksi yang akurat menjadi tantangan tersendiri. Oleh karena itu, diperlukan metode yang mampu mempelajari pola
- Cosine 0,830
Tahun 2026 · Penulis: Tahfani First Sipa
Prediksi Nilai Tukar Rupiah terhadap Dolar AS Menggunakan Model LSTM Multivariat dengan Exogenous Makroekonomi dan Finansial
Studi ini bertujuan guna melakukan prediksi nilai tukar Rupiah terhadap Dolar AS dengan memanfaatkan model Long Short-Term Memory (LSTM) multivariat yang mengintegrasikan variabel exogen dari aspek makroekonomi dan finansial. Data yang digunakan berupa data de
- Cosine 0,829
Tahun 2026 · Penulis: Fariha Adila Basha
Forecasting Multivariabel Harga Saham Menggunakan Model LSTM Multi-output
Prakiraan harga saham adalah masalah penting dalam dunia investasi karena pergerakan harga saham mudah menguap dan dipengaruhi oleh berbagai faktor ekonomi dan sentimen pasar. Oleh karena itu, metode prakiraan mampu menangkap pola nonlinear dan ketergantungan