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. Data kurs jual emas merupakan jenis data time series. Untuk meramalkan kurs jual emas, maka data historis kurs jual emas yang merupakan data time series akan dipelajari hingga dihasilkan sistem peramalan 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 Differential Evolution dapat diperoleh 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 99,67 % untuk data testing. Dan akurasi tertinggi 99,99% untuk meramal satu bulan kedepan.Kata Kunci : Recurrent Neural Network, Diffreential Evolution, kurs jual emas, data time seriesABSTRACT: Gold is one of high value precious metals. Many people invest their money in goldbecause gold investments have resistance to inflation. Data exchange gold selling is a type of time series data. To predict the selling rates of gold, the gold selling rateshistorical data is the data time series will be studied to produce a particularforecasting system.
In this final project developed a system to estimate the selling rates of gold based onhistorical data selling rates of gold using a Recurrent Neural Network (RNN). The more optimal RNN built the higher the accuracy is generated. By using Differential Evolution can be obtained by weighting the optimal RNN.
The data used historical data exchange is selling gold from the month of January 1968 to March 2009. Based on these data RNN estimated selling rates next monthbased on input selling rates a few months earlier. From the testing process, obtainedthe best average accuracy of 99.67% for testing data. And highest accuracy of 99.99% to predict a month ahead.Keyword: Recurrent Neural Network, Differential Evolution, gold exchange rate, time series