Peramalan harga emas yang dipengaruhi oleh minyak, nilai tukar mata uang; dan indeks standard dan poor menggunakan metode general regression neural network
Total View This Week6
Total View This Week6
Institusion
Institut Teknologi Sepuluh Nopember
Author
Prastanti, Novianti Mega
Subject
QA76.87 Neural networks (Computer Science)
Datestamp
2019-11-15 02:18:18
Abstract :
Emas merupakan salah satu aset investasi yang paling diminati karena bersifat mudah diuangkan, sehingga emas menjadi salah satu jenis investasi yang menarik. Dalam beberapa penelitian sebelumnya ditemukan bahwa fluktuasi harga emas dipengaruhi oleh tiga variabel penting, yaitu harga minyak, nilai tukar mata uang, dan indeks Standard & Poor (SP). Oleh karena fluktuasi harga emas yang tidak menentu dapat menyulitkan para pelaku bisnis dalam menentukan waktu yang tepat untuk membeli atau menjual emas, maka model peramalan yang memperhitungkan pengaruh dari ketiga variabel penting tersebut menjadi esensial untuk disediakan. Dalam Tugas Akhir ini, untuk memperoleh model peramalan yang akurat dalam memperhitungkan pengaruh variabel harga minyak, nilai tukar mata uang, dan indeks SP, dikembangkan sebuah model peramalan yang mengintegrasikan metode peramalan berbasis Generalized Regression Neural Network (GRNN) yang melibatkan teknik dekomposisi Seasonal Trend x Decomposition based on Loess (STL) dan metode Theta. Teknik dekomposisi STL digunakan untuk memisahkan komponen data musiman (seasonal), data tren, dan data residual (irregular). Metode peramalan berbasis GRNN kemudian digunakan untuk meramalkan komponen data musiman dan data residual. Di lain pihak, metode Theta digunakan untuk meramalkan komponen data tren. Kedua hasil peramalan ini kemudian diintegrasikan menggunakan Backpropagation Neural Network (BPNN) untuk memperoleh hasil peramalan akhir. Model peramalan yang dikembangkan dalam Tugas Akhir ini di uji coba menggunakan data sebanyak 2.484 data harian yang diperoleh dari berbagai sumber untuk kurun waktu mulai 3 Januari 2005 hingga 31 Desember 2014. Dengan menggunakan model peramalan yang dilatih dengan menggunakan data untuk periode sembilan tahun pertama memberikan hasil Mean Absolute Percentage Error (MAPE) sebesar 0,60% untuk uji coba validasi yang melibatkan data satu tahun terakhir. Selain itu, hasil uji coba menunjukkan bahwa model peramalan terbaik diperoleh apabila dilakukan pembentukan model baru untuk setiap kali terdapat penambahan data aktual selama satu bulan terakhir. Dan hasil uji coba pengaruh kombinasi variabel mulai dari variabel tunggal, ganda, dan triplet menunjukkan bahwa harga minyak mempunyai pengaruh yang cukup signifikan terhadap peramalan harga emas. ================================================================================================== Gold is one of the most interested investment asset because it is easily cashed, and hence gold became one of the attractive investments. In some previous studies found that fluctuations in the price of gold could be influenced by three important variables, namely oil prices, exchange rates, and the Standard & Poor's (SP) indexes. Since uncertain fluctuations in the price of gold may complicate the businessmen in determining the right time to buy or sell gold, then the forecasting model that takes into account the influence of those three important variables become essential to be provided. In this final project, to obtain an accurate forecasting model that takes into account the influence of oil prices, exchange rates, and SP indexes, a forecasting model that integrates forecasting method based on Generalized Regression Neural Network (GRNN) which involves the decomposition technique Seasonal Trend Decomposition based on Loess (STL) and Theta method is developed. The STL decomposition technique is used xii to separate components of the seasonal data, trend data, and the irregular data. The GRNN-based forecasting method is then used to predict seasonal and residual data components. On the other hand, the Theta method is employed to predict trend data component. Finally, both of these forecasting results are integrated using a Backpropagation Neural Network (BPNN) to obtain the final forecasting results. Forecasting model that has been developed in this final project, tested using 2,484 daily data ranging from January 3, 2005 until December 31, 2014 obtained from various sources. The first nine-year period of data was used to build the forecasting model, while the last year data was used to validate the forecasting results. A very accurate results of 0.6% for their mean absolute percentage error (MAPE) were obtained. In addition to this, experimental results also showed that the forecasting model must be rebuilt in accordance with the availability of recent actual monthly data. Moreover, among the combinations of three variables being involved in the forecasting model, oil prices become the most significant one that influences the gold price forecasting.
Emas merupakan salah satu aset investasi yang paling diminati karena bersifat mudah diuangkan, sehingga emas menjadi salah satu jenis investasi yang menarik. Dalam beberapa penelitian sebelumnya ditemukan bahwa fluktuasi harga emas dipengaruhi oleh tiga variabel penting, yaitu harga minyak, nilai tukar mata uang, dan indeks Standard & Poor (SP). Oleh karena fluktuasi harga emas yang tidak menentu dapat menyulitkan para pelaku bisnis dalam menentukan waktu yang tepat untuk membeli atau menjual emas, maka model peramalan yang memperhitungkan pengaruh dari ketiga variabel penting tersebut menjadi esensial untuk disediakan. Dalam Tugas Akhir ini, untuk memperoleh model peramalan yang akurat dalam memperhitungkan pengaruh variabel harga minyak, nilai tukar mata uang, dan indeks SP, dikembangkan sebuah model peramalan yang mengintegrasikan metode peramalan berbasis Generalized Regression Neural Network (GRNN) yang melibatkan teknik dekomposisi Seasonal Trend x Decomposition based on Loess (STL) dan metode Theta. Teknik dekomposisi STL digunakan untuk memisahkan komponen data musiman (seasonal), data tren, dan data residual (irregular). Metode peramalan berbasis GRNN kemudian digunakan untuk meramalkan komponen data musiman dan data residual. Di lain pihak, metode Theta digunakan untuk meramalkan komponen data tren. Kedua hasil peramalan ini kemudian diintegrasikan menggunakan Backpropagation Neural Network (BPNN) untuk memperoleh hasil peramalan akhir. Model peramalan yang dikembangkan dalam Tugas Akhir ini di uji coba menggunakan data sebanyak 2.484 data harian yang diperoleh dari berbagai sumber untuk kurun waktu mulai 3 Januari 2005 hingga 31 Desember 2014. Dengan menggunakan model peramalan yang dilatih dengan menggunakan data untuk periode sembilan tahun pertama memberikan hasil Mean Absolute Percentage Error (MAPE) sebesar 0,60% untuk uji coba validasi yang melibatkan data satu tahun terakhir. Selain itu, hasil uji coba menunjukkan bahwa model peramalan terbaik diperoleh apabila dilakukan pembentukan model baru untuk setiap kali terdapat penambahan data aktual selama satu bulan terakhir. Dan hasil uji coba pengaruh kombinasi variabel mulai dari variabel tunggal, ganda, dan triplet menunjukkan bahwa harga minyak mempunyai pengaruh yang cukup signifikan terhadap peramalan harga emas. ================================================================================================== Gold is one of the most interested investment asset because it is easily cashed, and hence gold became one of the attractive investments. In some previous studies found that fluctuations in the price of gold could be influenced by three important variables, namely oil prices, exchange rates, and the Standard & Poor's (SP) indexes. Since uncertain fluctuations in the price of gold may complicate the businessmen in determining the right time to buy or sell gold, then the forecasting model that takes into account the influence of those three important variables become essential to be provided. In this final project, to obtain an accurate forecasting model that takes into account the influence of oil prices, exchange rates, and SP indexes, a forecasting model that integrates forecasting method based on Generalized Regression Neural Network (GRNN) which involves the decomposition technique Seasonal Trend Decomposition based on Loess (STL) and Theta method is developed. The STL decomposition technique is used xii to separate components of the seasonal data, trend data, and the irregular data. The GRNN-based forecasting method is then used to predict seasonal and residual data components. On the other hand, the Theta method is employed to predict trend data component. Finally, both of these forecasting results are integrated using a Backpropagation Neural Network (BPNN) to obtain the final forecasting results. Forecasting model that has been developed in this final project, tested using 2,484 daily data ranging from January 3, 2005 until December 31, 2014 obtained from various sources. The first nine-year period of data was used to build the forecasting model, while the last year data was used to validate the forecasting results. A very accurate results of 0.6% for their mean absolute percentage error (MAPE) were obtained. In addition to this, experimental results also showed that the forecasting model must be rebuilt in accordance with the availability of recent actual monthly data. Moreover, among the combinations of three variables being involved in the forecasting model, oil prices become the most significant one that influences the gold price forecasting.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
