Jurnal Institusi
https://creativecommons.org/licenses/by-sa/4.0
Penelitian ini bertujuan untuk membandingkan kinerja model Long Short-Term Memory (LSTM) dan Generalized Autoregressive Conditional Heteroskedasticity (GARCH) dalam memprediksi harga dan volatilitas emas harian. Data harga emas dunia periode 2018–2023 digunakan untuk pelatihan dan pengujian model. Pemrosesan data meliputi normalisasi dan pembagian data latih (80%) serta data uji (20%). Model LSTM dengan dua lapisan (masing-masing 100 unit) dan dropout 20% menghasilkan prediksi harga yang akurat dengan nilai RMSE 17,2521, MAE 12,9861, MAPE 0,69%, dan R² 0,9668. Sementara itu, model GARCH(1,1) menunjukkan keunggulan dalam memprediksi volatilitas dengan RMSE 0,0071 dan MAE 0,0057, meskipun kurang efektif untuk prediksi harga absolut (RMSE 278,1541, MAE 231,3126, MAPE 12,40%, R² -4,7735). Penelitian ini mengisi gap dari studi sebelumnya yang umumnya hanya memanfaatkan model tunggal. Dengan membandingkan langsung dua pendekatan berbeda, yaitu LSTM dan GARCH, penelitian ini menawarkan kontribusi baru dalam meningkatkan akurasi prediksi harga emas dan volatilitas. Temuan ini menunjukkan bahwa kombinasi keduanya dapat lebih efektif dalam menghadapi dinamika pasar yang kompleks. Disarankan juga integrasi variabel eksternal, seperti suku bunga, inflasi, dan indeks saham global, untuk meningkatkan cakupan analisis dan akurasi prediksi.
ZONAsi: Jurnal Sistem Informasi; Vol. 7 No. 2 (2025): Publikasi artikel ZONAsi: Jurnal Sistem Informasi Periode Mei 2025; 466 - 475
Penerbit: Universitas Lancang Kuning