Pemodelan Pergerakan Harga Emas Menggunakan Machine Learning

Sulaeman, Salma Balqis (2021) Pemodelan Pergerakan Harga Emas Menggunakan Machine Learning. Undergraduate thesis, Universitas Pembangunan Jaya.

	Text 1. Pendahuluan.pdf Download (584kB)
	Text 2. Abstract.pdf Download (41kB)
	Text 3. Abstrak.pdf Download (42kB)
	Text 8. BAB I.pdf Download (120kB)
	Text 14. Daftar Pustaka.pdf Download (173kB)

Abstract

Emas merupakan salah satu alat investasi yang paling diminati di dunia sebagai salah satu standar keuangan ekonomi dunia. Seorang investor emas harus memiliki keahlian dalam memprediksi naik turunnya nilai sebuah emas, sehingga diperlukannya sebuah pemodelan pergerakan harga. Masalah yang diangkat pada penelitian ini adalah bagaimana cara membuat model pergerakan harga emas dengan algoritma K-Nearest-Neighbors dan seperti apa hasil perbandingan antara algoritma K-Nearest-Neighbors dengan Decision Tree. Penelitian ini bertujuan untuk menyediakan model pergerakan harga emas dengan algoritma K-Nearest Neighbors dan membandingkan antara akurasi model dengan algoritma K-Nearest Neighbors dan akurasi model dengan algoritma Decision Tree. Penelitian ini menggunakan metode kuantitatif dengan pengumpulan data sekunder melalui observasi dan studi referensi. Datasheet harga emas diperoleh dari Investing.com dengan variabel yang digunakan adalah High, Open, Low, Price dalam satuan US Dollar per Oz. Penelitian ini menghasilkan sebuah model pergerakan harga emas menggunakan algoritma K-Nearest Neighbors dan Decision Tree. Berdasarkan hasil evaluasi algortima K-Nearest Neighbors pada kasus ini memiliki RMSE sebesar 0.0124. Sedangkan algoritma Decision Tree pada kasus yang sama memiliki RMSE sebesar 0.0143. Dapat disimpulkan bahwa untuk kasus pemodelan pergerakan harga emas berbasis machine learning, algoritma K�Nearest Neighbors lebih cocok diterapkan daripada algoritma Decision Tree.

Item Type:	Karya Tulis Ilmiah (KTI) (Undergraduate)
Uncontrolled Keywords:	Machine learning, Emas, Prediksi, Algoritma K-Nearest Neighbors, Decision Tree.
Subjects:	H Social Sciences > HA Statistics H Social Sciences > HG Finance
Divisions:	Fakultas Teknologi dan Desain > Informatika
Depositing User:	Magang Thufalia Rasya
Date Deposited:	26 Jan 2022 04:59
Last Modified:	26 Jan 2022 04:59
URI:	http://eprints.upj.ac.id/id/eprint/2360

Actions (login required)

View Item