Penelitian ini bertujuan untuk meramalkan harga perak menggunakan metode Long Short-Term Memory (LSTM), sebuah teknik jaringan saraf tiruan yang efektif memproses data sekuensial. Fluktuasi harga perak dipengaruhi oleh permintaan, penawaran, inflasi, dan suku bunga, sehingga diperlukan model prediksi akurat untuk mendukung pengambilan keputusan investasi. Data historis yang digunakan mencakup periode Januari 2023 hingga Mei 2024, dengan prediksi untuk periode Juni hingga Agustus 2024. Variabel yang digunakan meliputi harga perak, inflasi, suku bunga, serta data suplai dan permintaan perak. Data ini diolah melalui preprocessing, normalisasi, dan pembagian data menjadi pelatihan dan pengujian. Model LSTM optimal memiliki konfigurasi dua layer dengan 100 unit, batch size 16, dan rasio data pelatihan 90%. Hasil pengujian menunjukkan performa yang sangat baik, dengan nilai Mean Squared Error (MSE) 0.0096, Root Mean Squared Error (RMSE) 0.0978, dan Log RMSE 0.1444. Inflasi dan nilai tukar mata uang memiliki pengaruh terbesar terhadap harga perak, dengan nilai Mutual Information 0.63, diikuti suplai dan permintaan 0.55. Meskipun terdapat deviasi antara harga aktual dan prediksi, model ini efektif dalam mengikuti pola harga perak yang ada.

This research aims to forecast silver prices using the Long Short-Term Memory (LSTM) method, a neural network technique effective in processing sequential data. The fluctuation in silver prices is influenced by demand, supply, inflation, and interest rates, necessitating an accurate prediction model to support investment decision-making. The historical data used in this study covers the period from January 2023 to May 2024, with predictions for the period from June to August 2024. The variables include silver prices, inflation, interest rates, and data on silver supply and demand. The data undergoes preprocessing, normalization, and division into training and testing sets. The optimal LSTM model configuration consists of two layers with 100 units, a batch size of 16, and a training data ratio of 90%. The test results show excellent performance, with a Mean Squared Error (MSE) of 0.0096, a Root Mean Squared Error (RMSE) of 0.0978, and a logarithmic RMSE of 0.1444. Inflation and currency exchange rates have the greatest impact on silver prices, with a Mutual Information value of 0.63, followed by supply and demand at 0.55. Despite some deviations between actual and predicted prices, the model effectively follows the existing silver price patterns.