PERBANDINGAN ADAM OPTIMIZER DAN ADAGRAD PADA ALGORITMA BACKPROPAGATION DALAM MEMPREDIKSI HARGA EMAS (XAU/USD) (oleh: Muhammad Rasyid; Pembimbing: Dewi Sri Susanti, Selvi Annisa, 2025; 46 Halaman)

Emas merupakan salah satu instrumen investasi populer karena nilainya cenderung stabil dan meningkat dalam jangka panjang. Namun, fluktuasi harga yang signifikan akibat pengaruh pasar komoditas, nilai tukar mata uang, serta kebijakan ekonomi global menjadi tantangan bagi investor dalam pengambilan keputusan. Untuk mengurangi risiko kerugian, diperlukan metode prediksi yang akurat. Penelitian ini bertujuan untuk membandingkan kinerja dua metode optimasi, yaitu Adam dan Adagrad, pada algoritma Backpropagation Neural Network (BPNN) dalam memprediksi harga emas (XAU/USD). Data sekunder yang digunakan mencakup periode Januari 2021 hingga Juli 2024 dengan empat variabel utama: harga pembukaan, harga tertinggi, harga terendah, dan harga penutupan. Proses analisis meliputi normalisasi data, pembagian data pelatihan (80%) dan pengujian (20%), serta penerapan kedua metode optimasi pada algoritma BPNN. Hasil penelitian menunjukkan bahwa optimasi Adam memiliki keunggulan dengan Mean Absolute Percentage Error (MAPE) sebesar 0,45555% dan Mean Squared Error (MSE) sebesar 138,55740. Nilai-nilai ini mencerminkan akurasi prediksi yang sangat baik. Sementara itu, optimasi Adagrad menghasilkan MAPE sebesar 1,36109% dan MSE sebesar 1.595,233, dengan akurasi yang baik namun lebih rendah dibandingkan Adam. Dengan demikian, optimasi Adam direkomendasikan untuk digunakan dalam melakukan prediksi harga emas karena memberikan hasil yang lebih presisi dan konsisten.

Kata Kunci: Emas, Backpropagation Neural Network, optimasi Adam, optimasi Adagrad, Mean Absolute Percentage Error, Mean Squared Error