ABSTRAKSI: Emas merupakan salah satu logam mulia yang bernilai tinggi. Banyak orang menginvestasikan uangnya dalam bentuk emas karena investasi emas mempunyai ketahanan terhadap laju inflasi. Selain itu, kurs jual emas juga cenderung naik dan susah mengalami penurunan. Data kurs jual emas merupakan jenis data time series. Untuk meramalkan kurs jual emas, maka data historis kurs jual emas akan dipelajari hingga dihasilkan pola-pola tertentu.
Pada tugas akhir ini dikembangkan suatu sistem untuk memperkirakan kurs jual emas berdasarkan data historis kurs jual emas dengan menggunakan Recurrent neural Network (RNN). Semakin optimal RNN yang dibangun maka semakin tinggi pula akurasi yang dihasilkan. Dengan menggunakan Evolutionary Programming dapat diperoleh struktur dan bobot RNN yang optimal.
Data yang digunakan adalah data historis kurs jual emas dari bulan dari Januari 1968 sampai dengan Maret 2009. Berdasarkan data tersebut RNN memperkirakan kurs jual bulan berikutnya berdasarkan input kurs jual beberapa bulan sebelumnya. Dari proses pengujian, didapatkan rata-rata akurasi terbaik sebesar 96,5 % untuk data testing.
Kata Kunci : Recurrent Neural Network, Evolutionary Programming, kurs jual emas, data time seriesABSTRACT: Gold is one kind of precious metal with high value. Many people invest their money in gold, because gold investment have resistance to the rate of inflation. In addition, gold exchage rate also tend to raise and hard to decline. Gold exchange rate’s data is a kind of time series data. To predict the exchange rate of gold sales, the gold exchange rate historical data will be studied until produced certain patterns.
In this final task, developed a sistem to estimate the gold exchange rate based on historical data of gold exchange rate by using Recurrent Neural Network (RNN). More optimal RNN is constructed then result accuracy is higher. By using Evolutionary Programming can be obtained RNN optimal structure and weight.
The data that used is gold exchange historical data from January 1968 to March 2009. From that data, RNN estimates next month selling rates based on input of selling rate a few months earlier. From the testing process, obtained the best average accuracy of 96,5% for testing data.
Keyword: Recurrent Neural Network, Evolutionary Programming, gold exchange rate, time series