SKRIPSI DIGITAL
Rancang Bangun Sistem Pendukung Keputusan Investasi Emas Menggunakan Arsitektur Deep Learning Berbasis Multivariat Data Indikator = Design and Development of a Gold Investment Decision Support System Using a Deep Learning Architecture Based on Multivariate Indicator Data
Fluktuasi harga emas yang dipengaruhi oleh faktor-faktor makroekonomi memerlukan pendekatan pemodelan prediktif yang menggunakan data multivariat. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) investasi emas yang berbasis web, dengan menggabungkan teknik pemodelan prediktif, skoring berbasis aturan, serta LLM Gemini guna memberikan saran keputusan berupa rekomendasi untuk membeli, menjual, atau mempertahankan emas. Dengan menggunakan metode CRISP-DM dan data harian yang diambil dari Yahoo Finance mulai 3 Januari 2023 hingga 24 Juni 2026, penelitian ini melakukan evaluasi terhadap lima algoritma, yaitu XGBoost, LSTM, GRU, Bi-LSTM, dan Bi-GRU. Hasil pengujian menunjukkan bahwa model XGBoost memberikan kinerja terbaik dengan nilai ( R-Squared = 0,9402) dan MAPE sebesar 1,42%, diikuti oleh model LSTM dengan ( R-Squared = 0,8850) dan MAPE 1,58%, kemudian Bi-GRU dengan ( R-Squared = 0,8678), GRU dengan( R-Squared = 0,8628), serta Bi-LSTM dengan ( R-Squared =0,8378). Analisis Permutation Feature Importance menunjukkan bahwa penggabungan indikator makroekonomi dengan tren harga historis secara bersama-sama meningkatkan stabilitas dan keandalan dalam memproyeksikan harga. Integrasi model LLM Gemini berhasil membawa penjelasan yang mudah dipahami berupa narasi intuitif dari hasil proyeksi numerik. Pengujian fungsi sistem berjalan secara sempurna dan hasil evaluasi pengguna menunjukkan bahwa aplikasi berbasis Streamlit ini sangat mendukung dalam mengambil keputusan investasi emas secara objektif.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah