Prediksi Harga Steel Hot-Rolled  Dengan Model Recurement Neural Network

Teguh Yuhono; Cian Ramadhona Hassolthine; Riad Sahara

doi:10.58794/jekin.v4i1.634

Authors

Teguh Yuhono Universitas Siber Asia
Cian Ramadhona Hassolthine Universitas Siber Asia
Riad Sahara Universitas Siber Asia

DOI:

https://doi.org/10.58794/jekin.v4i1.634

Keywords:

Artificial Neural Network, Recurrent Neural Network, Root Mean Square Propagation, Steel Hot-rolled Coil

Abstract

Steel Hot-rolled Coil atau yang biasa disebut dengan sebutan Baja Canai Panas merupakan sebuah produk baja yang dihasilkan dengan proses penggulungan di dalam suhu yang sangat tinggi. Sebagai bahan baku utama dunia yang sering dipakai dalam pembuatan konstruksi bangunan, jembatan, rel kereta api, dan keperluan otomotif sehingga harga Steel Hot-rolled Coil sangat fluktuatif dan sering kali membuat perencanaan pembelian menjadi tidak efektif. Oleh karena itu, diusulkan sebuah metode prediksi harga Steel Hot-rolled Coil dengan mempelajari pola dan tingkah laku pada data time series harga yang sudah lampau. Metode yang direkomendasikan pada penelitian ini yaitu prediksi harga Steel Hot-rolled Coil dengan menggunakan salah satu arsitektur Artificial Neural Network (ANN) yaitu Recurrent Neural Network (RNN). Dengan semakin optimal model yang dibangun maka semakin tinggi akurasi yang didapatkan. Parameter RNN yang optimal dapat diperoleh dengan algoritma optimasi RMSProp (Root Mean Square Propagation). Dari proses pelatihan dan pengujian, didapatkan akurasi terbaik sebesar 90.90% pada data latih dan 91.02% pada data uji.

Downloads

Download data is not yet available.

References

P. V. Luong and B. Sopranzetti, “Commodity markets intervention: Consequences of speculation, and informed trading,” Journal of Commodity Markets, vol. 26, 2022, doi: 10.1016/j.jcomm.2021.100192.

Y.-W. Shyu and C.-C. Chang, “A Hybrid Model of MEMD and PSO-LSSVR for Steel Price Forecasting,” International Journal of Engineering and Management Research, vol. 12, no. 1, 2022, doi: 10.31033/ijemr.12.1.5.

J. Rekayasa et al., “Implementasi Metode Elman Recurrent Neural Network (ERNN) Untuk Prediksi Harga Saham Perbankan Di Indonesia,” Coding Jurnal Komputer dan Aplikasi, vol. 11, no. 2, pp. 180–189, Sep. 2023, doi: 10.26418/CODING.V11I2.58068.

F. Indra Sanjaya and D. Heksaputra, “Prediksi Rerata Harga Beras Tingkat Grosir Indonesia dengan Long Short Term Memory,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 2, pp. 163–174, 2020, [Online]. Available: http://jurnal.mdp.ac.id

A. Nilsen, “Perbandingan Model RNN, Model LSTM, dan Model GRU dalam Memprediksi Harga Saham-Saham LQ45,” Jurnal Statistika dan Aplikasinya, vol. 6, no. 1, 2022.

S. R. Siregar and R. Widyasari, “PERAMALAN HARGA CRUDE OIL MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM) DALAM RECURRENT NEURAL NETWORK (RNN),” Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika, vol. 4, no. 3, 2023, doi: 10.46306/lb.v4i3.

R. A. Juanda, J. Jondri, and A. A. Rohmawati, “Prediksi Harga Bitcoin Dengan Menggunakan Recurrent Neural Network,” eProceedings of Engineering, vol. 5, no. 2, Aug. 2018, Accessed: Feb. 02, 2024. [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/6772

I. H, “Netflix Stock Price Trend Prediction Using Recurrent Neural Network,” Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi, vol. 8, no. 2, p. 97, Dec. 2022, doi: 10.24014/coreit.v8i2.16599.

R. B. Radite Putra and H. Hendry, “Multivariate TIME Series Forecasting Pada Penjualan Barang Retail Dengan Recurrent Neural Network,” Jurnal Inovtek Polbeng Seri Informatika, vol. 7, no. 1, 2022, doi: 10.35314/isi.v7i1.2398.

M. Abdul Dwiyanto Suyudi, E. C. Djamal, and A. Maspupah, “Prediksi Harga Saham menggunakan Metode Recurrent Neural Network,” 2019.

J. Cahyani, S. Mujahidin, and T. P. Fiqar, “Implementasi Metode Long Short Term Memory (LSTM) untuk Memprediksi Harga Bahan Pokok Nasional,” Jurnal Sistem dan Teknologi Informasi (JustIN), vol. 11, no. 2, p. 346, Jul. 2023, doi: 10.26418/justin.v11i2.57395.

R. Merdiansah et al., “Perbandingan Kinerja Model RNN, LSTM, dan BLSTM dalam Memprediksi Jumlah Gempa Bulanan di Indonesia,” Jurnal Penelitian Rumpun Ilmu Teknik (JUPRIT), vol. 3, no. 1, pp. 262–277, 2024, doi: 10.55606/juprit.v3i1.3466.

A. Arfan and L. ETP, “Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia,” PETIR, vol. 13, no. 1, pp. 33–43, Mar. 2020, doi: 10.33322/PETIR.V13I1.858.

V. Vivii, “Aplikasi SistemPakar Diagnosa Penyakit Miopi Dengan Metode Forward Chaining,” JEKIN - Jurnal Teknik Informatika, vol. 1, no. 3, pp. 1–9, Jun. 2023, doi: 10.58794/jekin.v1i3.352.

D. M. Gunarto, S. Sa’adah, and D. Q. Utama, “Predicting Cryptocurrency Price Using RNN and LSTM Method,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 12, no. 1, pp. 1–8, Mar. 2023, doi: 10.32736/sisfokom.v12i1.1554.

Moch Farryz Rizkilloh and Sri Widiyanesti, “Prediksi Harga Cryptocurrency Menggunakan Algoritma Long Short Term Memory (LSTM),” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 6, no. 1, pp. 25–31, Feb. 2022, doi: 10.29207/resti.v6i1.3630.

M. R. Pahlawan, A. Djunaidy, and R. A. Vinarti, “Prediksi Indeks Harga Saham Menggunakan Model Hibrida Recurrent Neural Network Dan Genetic Algorithm,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 9, no. 4, 2022, [Online]. Available: http://jurnal.

A. Nada, “Aplikasi Sistem Pakar Diagnosa Penyakit Anemia Menggunakan Metode Forward Chaining,” JEKIN - Jurnal Teknik Informatika, vol. 1, no. 3, pp. 10–19, Jun. 2023, doi: 10.58794/jekin.v1i3.356.

R. A. P. REGI, “Sistem Pakar untuk Mendiagnosa Obesitas pada anak dengan menggunakan metode Backward Chaining,” JEKIN - Jurnal Teknik Informatika, vol. 1, no. 2, pp. 13–21, Jun. 2023, doi: 10.58794/jekin.v1i2.214.

H. Surya Pratama, M. Putri, M. Roby, and S. H. Tusakdiyah, “Sistem Pakar Diagnosa Kerusakan Laptop Atau Komputer Menggunakan Metode Forward Chaining,” JEKIN - Jurnal Teknik Informatika, vol. 2, no. 1, pp. 16–23, Jun. 2022, doi: 10.58794/jekin.v2i1.100.

Julianto, “ANALISIS INVESTASI DALAM MEMPREDIKSI PERGERAKAN HARGA BITCOIN DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK PADA PLATFORM INDODAX,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 8, no. 2, pp. 136–147, 2022.

S. Zahara and M. Bahril Ilmiddafiq, “Prediksi Indeks Harga Konsumen Menggunakan Metode Long Short Term Memory (LSTM) Berbasis Cloud Computing,” JURNAL RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 1, no. 3, pp. 357–363, 2021.

R. Bagaskara Radite Putra, “Multivariate Time Series Forecasting pada Penjualan Barang Retail dengan Recurrent Neural Network,” JURNAL INOVTEK POLBENG - SERI INFORMATIKA, vol. 7, no. 1, p. 2022, 2022.

D. Tarkus, S. R. U. A. Sompie, and A. Jacobus, “Implementasi Metode Recurrent Neural Network pada Pengklasifikasian Kualitas Telur Puyuh,” Jurnal Teknik Informatika, vol. 15, no. 2, pp. 137–144, 2020.

S. H. Noh, “Analysis of gradient vanishing of RNNs and performance comparison,” Information (Switzerland), vol. 12, no. 11, 2021, doi: 10.3390/info12110442.

R. Alroobaea, “Sentiment Analysis on Amazon Product Reviews using the Recurrent Neural Network (RNN),” International Journal of Advanced Computer Science and Applications, vol. 13, no. 4, 2022, doi: 10.14569/IJACSA.2022.0130437.

J. Wang, X. Li, J. Li, Q. Sun, and H. Wang, “NGCU: A New RNN Model for Time-Series Data Prediction,” Big Data Research, vol. 27, 2022, doi: 10.1016/j.bdr.2021.100296.