Gold becomes one of long-term investment options and is used as a value protection against inflat... more Gold becomes one of long-term investment options and is used as a value protection against inflation or declining other assets. These gold price fluctuations tend to be nonlinear and uncertain. Most researchers and business practitioners fail to produce consistent pricing analyses, due to the complexity of the dynamic and volatile gold market. One method that can accommodate gold price fluctuations is using Ensemble Empirical Mode Decomposition (EEMD). Furthermore, the results of the gold price analysis can be used in forecasting. Forecasting fluctuations in gold prices are needed by importers, investors, and society to reduce risks and to help in making a decision. The forecasting which has been done is the integration between EEMD and Feed-forward Neural Network (FNN) with good forecasting results. However, the use of FNN is less flexible for the use of free parameters, such as the type of activation function, initial initialization, number of input neurons, and output neurons. The setting of flexible free parameters can affect the performance of neural networks and improve forecasting accuracy. One way to overcome the weaknesses of FNN in the use of free parameters is, it can use the Recurrent Neural Network (RNN). The trial in this study is using monthly data of world gold price. The results prove that the performance of EEMD-RNN method forecasting is better than EEMD-FNN
Salah satu metode peramalan harga minyak mentah yang ditujukan untuk mengakomodasi sifat harga mi... more Salah satu metode peramalan harga minyak mentah yang ditujukan untuk mengakomodasi sifat harga minyak mentah yang cenderung nonlinier dan nonstasioner serta dipengaruhi banyak faktor adalah peramalan yang megintegrasikan metode empirical mode decomposition (EMD) dan jaringan syaraf tiruan (JST). Dalam metode EMD, serangkaian fungsi waktu dari data masukan ditranformasikan menjadi sejumlah modus yang terdiri dari beberapa intrinsic mode functions (IMF) dan sinyal residu. Namun, metode EMD mempunyai kelemahan karena dapat menimbulkan terjadinya modus campuran dimana sebuah IMF tunggal dapat terdefinisikan menjadi beberapa sinyal dengan skala yang berbeda atau sebuah sinyal dengan skala yang sama terbentuk dalam beberapa komponen IMF yang berbeda. Dalam penelitian ini, metode EMD diganti dengan metode ensemble EMD (EEMD) dan menambahkan sinyal white noise untuk mengkompensasi modus cam-puran yang dapat terbentuk. JST berbasis feedforward neural networkdigunakan untuk memperoleh model peramalan dari masing-masing IMF dan sinyal residu. Semua IMF dan residu yang dihasilkan dijadikan masukan pada sebuah adaptive linear neural network (Adaline) untuk menghasilkan proses peramalan. Model peramalan yang telah berhasil dikembangkan dalam penelitian ini dibangun dan diuji menggunakan data bulanan harga minyak mentah West Texas Intermediate (WTI) dan Brent. Hasil uji coba menunjukkan bahwa metode peramalan yang menggabungkan EEMD dan JST menghasilkan kinerja yang lebih baik dibandingkan metode yang menggabungkan EMD dan JST. Hasil uji coba untuk data bulanan jenis minyak WTI menghasilkan RMSE sebesar 0,0330 dan Dstat sebesar 65,3061%, sedangkan untuk jenis minyakBrent menghasilkan RMSE sebesar 0,0433 dan Dstat sebesar 78,0488%.
Gold becomes one of long-term investment options and is used as a value protection against inflat... more Gold becomes one of long-term investment options and is used as a value protection against inflation or declining other assets. These gold price fluctuations tend to be nonlinear and uncertain. Most researchers and business practitioners fail to produce consistent pricing analyses, due to the complexity of the dynamic and volatile gold market. One method that can accommodate gold price fluctuations is using Ensemble Empirical Mode Decomposition (EEMD). Furthermore, the results of the gold price analysis can be used in forecasting. Forecasting fluctuations in gold prices are needed by importers, investors, and society to reduce risks and to help in making a decision. The forecasting which has been done is the integration between EEMD and Feed-forward Neural Network (FNN) with good forecasting results. However, the use of FNN is less flexible for the use of free parameters, such as the type of activation function, initial initialization, number of input neurons, and output neurons. The setting of flexible free parameters can affect the performance of neural networks and improve forecasting accuracy. One way to overcome the weaknesses of FNN in the use of free parameters is, it can use the Recurrent Neural Network (RNN). The trial in this study is using monthly data of world gold price. The results prove that the performance of EEMD-RNN method forecasting is better than EEMD-FNN
Salah satu metode peramalan harga minyak mentah yang ditujukan untuk mengakomodasi sifat harga mi... more Salah satu metode peramalan harga minyak mentah yang ditujukan untuk mengakomodasi sifat harga minyak mentah yang cenderung nonlinier dan nonstasioner serta dipengaruhi banyak faktor adalah peramalan yang megintegrasikan metode empirical mode decomposition (EMD) dan jaringan syaraf tiruan (JST). Dalam metode EMD, serangkaian fungsi waktu dari data masukan ditranformasikan menjadi sejumlah modus yang terdiri dari beberapa intrinsic mode functions (IMF) dan sinyal residu. Namun, metode EMD mempunyai kelemahan karena dapat menimbulkan terjadinya modus campuran dimana sebuah IMF tunggal dapat terdefinisikan menjadi beberapa sinyal dengan skala yang berbeda atau sebuah sinyal dengan skala yang sama terbentuk dalam beberapa komponen IMF yang berbeda. Dalam penelitian ini, metode EMD diganti dengan metode ensemble EMD (EEMD) dan menambahkan sinyal white noise untuk mengkompensasi modus cam-puran yang dapat terbentuk. JST berbasis feedforward neural networkdigunakan untuk memperoleh model peramalan dari masing-masing IMF dan sinyal residu. Semua IMF dan residu yang dihasilkan dijadikan masukan pada sebuah adaptive linear neural network (Adaline) untuk menghasilkan proses peramalan. Model peramalan yang telah berhasil dikembangkan dalam penelitian ini dibangun dan diuji menggunakan data bulanan harga minyak mentah West Texas Intermediate (WTI) dan Brent. Hasil uji coba menunjukkan bahwa metode peramalan yang menggabungkan EEMD dan JST menghasilkan kinerja yang lebih baik dibandingkan metode yang menggabungkan EMD dan JST. Hasil uji coba untuk data bulanan jenis minyak WTI menghasilkan RMSE sebesar 0,0330 dan Dstat sebesar 65,3061%, sedangkan untuk jenis minyakBrent menghasilkan RMSE sebesar 0,0433 dan Dstat sebesar 78,0488%.
Uploads
Papers by Sri Herawati