Analisis Optimasi Pada Algoritma Long ShortTerm Memory Untuk Memprediksi Harga Saham
Teks penuh
Dokumen terkait
UJI AKURASI ALGORITMA FUZZY NEURAL NETWORK UNTUK MEMPREDIKSI PERGERAKAN HARGA
Hasil Akurasi dengan Nilai K = 3 Nilai akurasi yang didapat dengan menggunakan algoritma K-Nearest Neighbor dengan feature selection sebesar 89,72%, dengan jumlah
hasil prediksi renovasi setiap bagian bangunan dengan akurasi perhitungan berkisar dari 0%, 50-100%, dengan nilai MAPE setiap renovasi yaitu bagian tembok sebesar
Sehingga dapat disimpulkan bahwa penerapan model SVM dengan Algoritma Genetika untuk seleksi fitur dan optimasi parameter terbukti meningkatkan akurasi dalam prediksi
Penggunaan efek hari libur pada model yang dibangun juga menjadi nilai tambah dalam pemilihan metode ini untuk digunakan dalam model prediksi harga komoditas
Dari hasil perbandingan tersebut maka optimasi parameter nilai K pada algoritma KNN memiliki performa nilai akurasi yang lebih tinggi sehingga dapat digunakan
Bedasarkan penelitian yang telah dilakukan, sistem prediksi saham IHSG dengan metode jaringan syaraf tiruan propagasi balik menghasilkan akurasi sebesar 98.12 %. Sistem
Hasil yang didapatkan dari penelitian ini adalah nilai Mean Absolute Percentage Error (MAPE) terendah yaitu sebesar 1,012% dengan menggunakan fungsi aktivasi sigmoid, dengan
