<![CDATA[Pemahaman pergerakan harga komoditas menjadi penting untuk memahami dunia ekonomi dan keuangan global. Salah satu komoditas yang digunakan sebagai alat lindung adalah emas, yang dianggap sebagai alat investasi yang sering digunakan di tengah ketidakpastian pergerakan ekonomi. Emas sering digunakan sebagai alat investasi karena harganya yang cenderung stabil dan fluktuasinya relatif kecil. Harga emas menjadi salah satu indikator penting dalam stabilitas perkonomian global. Dalam penelitian ini, dilakukan penerapan model Geometric Brownian Motion dengan Kalman Filter untuk memprediksi harga emas berdasarkan data historis harian emas dari situs website https://finance.yahoo.com/ selama tahun 2023. Dengan menggunakan bantuan bahasa pemrograman python, diperoleh hasil running program dengan banyak iterasi (lintasan) yang digunakan yakni 100, 500, 1000, dan 5000 lintasan. Dengan nilai minimal MAPE yang dihasilkan oleh masing masing lintasan tersebut yakni sebesar 2,80%, 2,27%, 2,17%, dan 1,69%. Hasil dari konstruksi model GBM termodifikasi Kalman Filter menunjukkan hasil prediksi yang lebih efektif dibandingkan dengan konstruksi model GBM. Hal ini ditunjukkan dengan penurunan nilai MAPE model GBM sebesar 1,6976 % menjadi 0,4165 % untuk model GBM yang telah termodifikasi Kalman Filter. Penambahan algoritma Kalman Filter membantu meminimalkan nilai error sehingga menghasilkan prediksi harga emas yang lebih akurat.]]>
Copyrights © 2024
