Simamora, Purwanto
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Peningkatan dan Optimalisasi Prediksi Harga Emas Menggunakan Metode Combine Machine Learning Random Forest dan Gradient Boosting Simamora, Purwanto; Pasaribu, Sutrisno Arianto; Vera Wijaya
Jurnal Mahkota Informatika Vol 1 No 1 (2025): Jurnal Mahkota Informatika
Publisher : Universitas Mahkota Tricom Unggul

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59929/mahtik.v1i1.37

Abstract

Penelitian ini mengeksplorasi peningkatan akurasi prediksi harga emas dengan menggunakan algoritma Random Forest dan Gradient Boosting. Studi ini berfokus pada penilaian kinerja gabungan dari algoritma ini. Kumpulan data spesifik yang memiliki harga emas, yang dicirikan oleh dua parameter utama dan harga yang terkait, digunakan. Kumpulan data ini dibagi menjadi subset pelatihan dan pengujian yang berbeda untuk memudahkan pelatihan dan evaluasi model. Evaluasi kinerja model berpusat pada mean squared error (MSE), yang mengukur perbedaan antara harga prediksi dan harga aktual. Hasil membuktikan kompetensi individu algoritma Random Forest dan Gradient Boosting menghasilkan nilai MSE masing-masing sebesar 0,0053 dan 0,008353. Menggabungkan algoritme ini menghasilkan kinerja yang lebih baik, dengan MSE sebesar 0,006826. Model gabungan ini menunjukkan stabilitas yang lebih tinggi, menunjukkan kecenderungan overfitting yang berkurang, yang merupakan masalah umum dalam pemodelan prediktif. Studi ini menggarisbawahi potensi penggabungan beragam algoritma pembelajaran mesin untuk secara signifikan meningkatkan presisi dan kekuatan prediksi harga emas. Hal ini memiliki implikasi yang signifikan bagi investor dan pedagang yang sangat bergantung pada perkiraan yang tepat dalam pengambilan keputusan di pasar emas. Selain itu, wawasan yang diperoleh dari penelitian ini juga mencakup domain keuangan lainnya, termasuk saham dan mata uang kripto, yang memerlukan prediksi harga yang tepat. Namun, ada batasan tertentu. Studi ini menggunakan kumpulan data yang relatif terbatas, hanya mempertimbangkan dua parameter dan mengabaikan variabel lain yang berpotensi berpengaruh seperti indikator ekonomi dan peristiwa geopolitik. Penelitian di masa depan dapat melibatkan penggabungan kumpulan data yang lebih komprehensif yang mencakup lebih banyak faktor relevan untuk meningkatkan akurasi dan ketahanan prediksi. Selain itu, mengeksplorasi algoritma pembelajaran mesin alternatif memberikan jalan yang menjanjikan mencari tahu kombinasi paling efektif untuk meningkatkan kemampuan prediksi harga emas.