<![CDATA[Prediksi harga emas merupakan aspek penting dalam investasi global karena volatilitasnya yang dipengaruhi oleh faktor ekonomi dan politik. Penelitian ini mengembangkan model hybrid CNN-Bi-LSTM dengan mekanisme Attention untuk menangkap pola data signifikan dan Bayesian Optimization untuk pencarian hyperparameter yang lebih efisien. Dataset yang digunakan mencakup harga emas harian dari 29 Desember 1978 hingga 4 Juni 2021, yang terbagi menjadi data pelatihan (70%), validasi (20%), dan pengujian (10%). Model yang dioptimasi menunjukkan hasil evaluasi dengan RMSE sebesar 17,98, MAE sebesar 10,93, RMAE sebesar 3,31, dan R² sebesar 1,00. Visualisasi hasil menunjukkan konvergensi stabil tanpa overfitting, distribusi residual yang mendekati normal, serta prediksi yang konsisten dengan data aktual. Integrasi mekanisme Attention dan Bayesian Optimization terbukti meningkatkan performa model secara signifikan. Penelitian ini membuka peluang pengembangan lebih lanjut dengan memasukkan variabel makroekonomi tambahan, seperti harga minyak mentah atau indeks saham, untuk memperluas cakupan prediksi.]]>
Copyrights © 2025
