Prediksi Harga Emas Berdasarkan Finansial Global Dengan Menggunakan Algoritma Gradien Boosting Regression

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi harga emas yang akurat dan dapat diandalkan dengan memanfaatkan algoritma Gradient Boosting Regression. Model ini dilatih menggunakan data historis harian dari tahun 2010 hingga 2024, yang mencakup beragam variabel ekonomi makro dan mikro yang secara empiris diketahui memiliki pengaruh signifikan terhadap pergerakan harga emas, seperti indeks pasar saham utama, harga komoditas energi dan logam mulia lainnya, tingkat inflasi, suku bunga acuan, dan nilai tukar mata uang terhadap dolar AS. Melalui proses pra-pemrosesan data yang cermat, pemilihan fitur yang relevan, dan optimasi parameter model, diperoleh model prediksi yang mampu menangkap pola kompleks dalam data dan menghasilkan perkiraan harga emas dengan tingkat akurasi yang tinggi. Hasil evaluasi model menunjukkan bahwa Gradient Boosting Regression mampu mengungguli metode prediksi tradisional, dengan nilai Root Mean Squared Error (RMSE) sebesar 0,323 dan Mean Absolute Percentage Error (MAPE) sebesar 0,002 sehingga model ini dapat mencapai akurasi 99,96%. Analisis sensitivitas terhadap perubahan parameter model juga dilakukan untuk menguji robustitas model. Model prediksi yang dikembangkan dalam penelitian ini memiliki potensi besar untuk dimanfaatkan oleh investor, analis pasar, dan pembuat kebijakan sebagai alat bantu dalam pengambilan keputusan investasi yang lebih baik. Namun, perlu diingat bahwa model ini memiliki keterbatasan, seperti asumsi stasioneritas data dan potensi perubahan struktur pasar yang dapat mempengaruhi kinerja model di masa depan. Oleh karena itu, perlu dilakukan pembaruan model secara berkala untuk memastikan keakuratan prediksi. Penelitian ini juga menyarankan perlunya eksplorasi lebih lanjut mengenai pengaruh peristiwa global yang tidak terduga, seperti pandemi atau konflik geopolitik, terhadap pergerakan harga emas.