IMPLEMENTASI METODE ELMAN RECURRENT NEURAL NETWORK (ERNN) UNTUK PREDIKSI HARGA EMAS

Resesi ekonomi yang mengakibatkan pelemahan nilai uang membuat para investor mengalihkan aset keuangannya ke instrumen yang resikonya lebih rendah seperti emas. Emas merupakan komoditas investasi yang bersifat middle risk yang berarti investasi yang aman dengan hasil yang menggiurkan. Ketika berinvestasi dengan emas, perubahan harga emas biasanya terjadi dua kali dalam satu hari yaitu sesi pagi dan sesi siang. Namun, tidak ada yang bisa memprediksi secara pasti mengenai harga emas ke depannya. Pada penelitian ini dilakukan prediksi harga emas berdasarkan data masa lampau (time series) dengan menggunakan jaringan saraf tiruan dengan metode Elman Recurrent Neural Network (ERNN). Parameter yang digunakan adalah harga emas dalam bentuk mata uang dollar Amerika berdasarkan waktu AM (10:30 GMT) dan PM (15:00 GMT). Total data yang digunakan sebanyak 25.580 data harga emas dari januari tahun 1968 sampai desember tahun 2018. Data tersebut dibagi menjadi beberapa rasio data latih dan uji yaitu 90%:10%, 80%:20% dan 70%:30%. Pengujian dilakukan menggunakan beberapa kombinasi pembagian data dan learning rate. Learning rate yang diuji adalah 0,1 sampai 0,9. Berdasarkan hasil pengujian, didapatkan akurasi tertinggi sebesar 98,82% pada pembagian data latih dan data uji 90%:10% dengan learning rate 0.1 dan nilai RMSE 0,0001588 pada pembagian data 90%:10% dengan learning rate 0,1