%A 		1717031068 Karina Relita
%T PERAMALAN HARGA EMAS DUNIA DENGAN PENDEKATAN ARIMA

DAN FEED FORWARD NEURAL NETWORK
%X ABSTRAK

PERAMALAN HARGA EMAS DUNIA DENGAN PENDEKATAN ARIMA

DAN FEED FORWARD NEURAL NETWORK

Oleh

Karina Relita

Emas menjadi salah satu komoditas investasi jangka panjang yang dipandang
aman bagi para investor. Harganya sangat dipengaruhi oleh kondisi sosial
ekonomi global yang mengakibatkan terjadinya perubahan harga secara fluktuatif.
Investasi yang dilakukan masyarakat diharapkan beruntung, untuk itu perlu
diprediksi kapan emas itu dibeli dan dijual. Pada awalnya, metode peramalan
didominasi oleh metode linier. Namun demikian, metode linier tidak dapat
menangkap hubungan nonlinier yang seringkali dijumpai pada kondisi riil.
Tujuan dari penelitian ini adalah untuk meramalkan harga emas dunia dengan
metode linier serta nonlinier. Penelitian ini menerapkan ARIMA untuk model
linier, sedangkan untuk metode nonlinier yang diterapkan adalah Feed Forward
Neural Network (FFNN). Penelitian ini menggunakan open source R package
statistics program. Dari hasil analisis yang telah dilakukan model ARIMA

terbaik yaitu ARIMA (0,1,0) atau random walk model dengan nilai RMSE in-
sample sebesar 45.37506 dan RMSE out-of-sample sebesar 288.8484. Model

FFNN terbaik yaitu FFNN (1;4;1) dengan zt?1 sebagai variabel input dengan nilai
RMSE in-sample sebesar 41.96074 dan RMSE out-of-sample 257.0647. Dari
kedua model tersebut pemodelan terbaik adalah dengan menggunakan pendekatan
model FFNN (1;4;1) karena memiliki nilai RMSE out-of-sample terkecil.
Kata kunci: peramalan, arima, feed forward neural network, harga emas

ABSTRACT

FORECASTING GOLD PRICES USING ARIMA AND FEED

FORWARD NEURAL NETWORK

By

Karina Relita

Gold was the one of the long-term investment commodities that were considered
as the safe heaven for investors. The gold price was strongly influenced by global
socioeconomic that causing fluctuations in price changes. Investments made by
the community are expected to be successful, for that it is necessary to predict
when gold is bought and sold. At first, the method of forecasting is dominated by
linear methods. However, the linear method can not capture non-linear
relationships that are often found in real conditions. The aim of this study is to
predict the gold prices to the method of linear and nonlinear. Linear methods
used are ARIMA, whereas nonlinear method used is Feed Forward Neural
Network (FFNN). This research use open source R package statistics program.
From the analysis that have conducated, the best ARIMA model is ARIMA

(0,1,0) or random walk model with in-sample RMSE of 45.37506 and out-of-
sample RMSE of 288.8484. Best FFNN model is FFNN (1;4;1) with zt?1 as an

input and in-sample RMSE of 41.96074 and out-of-sample RMSE of 288.8484.
From the two models, the best model is using model FFNN (1;4;1) in having the
smallest out-of-sample RMSE.
Keywords: forecast, arima, feed forward neural network, gold prices
%C UNIVERSITAS LAMPUNG
%D 2021
%I FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
%L eprints60519