|
UPT. PERPUSTAKAAN
Universitas Esa Unggul
Kampus Emas UEU - Jakarta Barat
|
Phone |
: |
021-5674223, ext 282 |
Fax |
: |
|
E-mail |
: |
[email protected] |
Website |
: |
http://library.esaunggul.ac.id
|
Support (Customer Service) :
|
[email protected] |
|
|
Welcome..guys!
|
Have a problem with your access?
Please, contact our technical support below:
|
LIVE SUPPORT
Astrid Chrisafi
|
! ATTENTION !
To facilitate the activation process, please fill out the member application form correctly and completely
Registration activation of our members will process up to max 24 hours (confirm by email). Please wait patiently
Still Confuse?
Please read our User Guide
|
|
UEU » Undergraduate Theses » Teknik Informatika Posted by [email protected] at 29/10/2024 10:34:51 • 98 Views
PERBANDINGAN ALGORITMA LONG SHORT TERM MEMORY (LSTM) , GATED RECURRENT UNIT (GRU), BIDIRECTIONAL LSTM (BILSTM) DALAM PREDIKSI HARGA SAHAM EMASCreated by :
FEBBY TRI UTAMI ( 20170801265 )
Subject: | ALGORITMA LONG SHORT TERM MEMORY GATED RECURRENT UNIT BIDIRECTIONAL LSTM HARGA SAHAM EMAS | Alt. Subject : | ALGORITHM LONG SHORT TERM MEMORY GATED RECURRENT UNIT BIDIRECTIONAL LSTM GOLD STOCK PRICE | Keyword: | Emas Investasi Deep Learning LSTM GRU BiLSTM |
Description:
Salah satu jenis investasi yang dianggap aman untuk jangka panjang adalah dengan
berinvestasi emas. Emas dipilih oleh para peminat karena dalam beberapa tahun kebelakang
nilai harga emas yang cukup meningkat. Adanya flutuatif harga emas menyebabkan investasi
emas tidak selamanya untung melainkan juga memiliki resiko. Dibutuhkan suatu metode
peramalan atau prediksi untuk menjadi pengambil keputusan bagi para investor kapan waktu
terbaik untuk memebeli saham emas. Secara keilmuan, deep learning dapat mengatasi
permasalahan time series. Beberapa contoh algoritma deep learning adalah LSTM, GRU dan
BiLSTM. Pada penelitian ini dilakukan perbandingan model algoritma LSTM, GRU dan
BiLSTM dalam memprediksi harga saham emas, Data yang digunakan menggunakan daata
sekunder yang diambil dari situs Yahoo Finance terhitung sejak 1 Januari 2015 sampai 31
Desember 2020. Penelitian ini menggunakan metide CRISPDM. Hasil pemodelan di
dapatkan algortima BiLSTM memiliki performa yang lebih baik dari pada LSTM dan GRU
dengan nilai MSE sebesar 0,0887 dan RMSE sebesar 0,2978.
Contributor | : |
- AGUNG MULYO WIDODO, ST, M.Sc
| Date Create | : | 29/10/2024 | Type | : | Text | Format | : | PDF | Language | : | Indonesian | Identifier | : | UEU-Undergraduate-20170801265 | Collection ID | : | 20170801265 |
Source : Undergraduate Theses of Informastics Engineering
Relation Collection: Fakultas Ilmu Komputer
Coverage : Civitas Akademika Universitas Esa Unggul
Rights : @2024 Perpustakaan Universitas Esa Unggul
Publication URL : https://digilib.esaunggul.ac.id/perbandingan-algoritma-long-short-term-memory-lstm--gated-recurrent-unit-gru-bidirectional-lstm-bilstm-dalam-prediksi-harga-saham-emas-36427.html
[ Free Download - Free for All ]
- UEU-Undergraduate-36427-COVER.Image.Marked.pdf - 367 KB
- UEU-Undergraduate-36427-HALAMAN PENGESHAN.Image.Marked.pdf - 445 KB
- UEU-Undergraduate-36427-HALAMAN PUBLIKASI.Image.Marked.pdf - 2918 KB
- UEU-Undergraduate-36427-HALAMAN KEASLIAN.Image.Marked.pdf - 404 KB
- UEU-Undergraduate-36427-ABSTRAK.Image.Marked.pdf - 725 KB
- UEU-Undergraduate-36427-KATA PENGANTAR.Image.Marked.pdf - 725 KB
- UEU-Undergraduate-36427-DAFTAR ISI.Image.Marked.pdf - 738 KB
- UEU-Undergraduate-36427-DAFTAR PUSTAKA.Image.Marked.pdf - 2919 KB
- UEU-Undergraduate-36427-BAB1.Image.Marked.pdf - 2919 KB
[ FullText Content - Please, register first ]
1. UEU-Undergraduate-36427-BAB2.Image.Marked.pdf - 2928 KB 2. UEU-Undergraduate-36427-BAB3.Image.Marked.pdf - 2919 KB 3. UEU-Undergraduate-36427-BAB4.Image.Marked.pdf - 2922 KB 4. UEU-Undergraduate-36427-BAB5.Image.Marked.pdf - 2918 KB
10 Similar Document...
No similar subject found !
10 Related Document...
|
POLLINGBagaimana pendapat Anda tentang repository kami ?
Visitors Today : 1
Total Visitor : 1970008
Hits Today : 12345
Total Hits : 154617178
Visitors Online: 1
Calculated since 16 May 2012
You are connected from 172.17.121.29 using Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; [email protected])
|