<![CDATA[Emas merupakan instrumen investasi utama di Indonesia yang berfungsi sebagai pelindung nilai aset, namun pergerakan harganya yang dinamis dan sangat fluktuatif—dipengaruhi oleh faktor pasar domestik maupun internasional menjadi tantangan tersendiri bagi para pelaku usaha dan investor. Penelitian ini bertujuan untuk membangun dan menguji kinerja model prediksi harga emas di Indonesia menggunakan pendekatan Machine Learning, dengan memanfaatkan data historis harga acuan utama yaitu ANTAM (mulai dari nilai dasar Rp2.970.000), GALERI24, dan UBS. Tahapan penelitian meliputi analisis eksplorasi data menggunakan Microsoft Power BI untuk melihat pola hubungan antar variabel, serta pemodelan dan pengujian menggunakan perangkat lunak Orange Data Mining dengan penerapan empat algoritma: Neural Network, k-Nearest Neighbors (kNN), Random Forest, dan Decision Tree. Hasil analisis menunjukkan adanya korelasi positif yang sangat kuat dan pola keterkaitan yang jelas antara ketiga sumber harga tersebut. Hasil pengujian model membuktikan bahwa algoritma Random Forest memberikan kinerja paling optimal dengan nilai AUC (Area Under Curve) sebesar 0,987 dan tingkat akurasi klasifikasi tertinggi, diikuti oleh Neural Network (0,972), kNN (0,895), dan Decision Tree (0,780). Model ini terbukti efektif menangkap pola hubungan yang rumit antar variabel, sehingga dapat dijadikan alat bantu keputusan yang andal bagi masyarakat, pedagang, maupun investor dalam merencanakan strategi pembelian dan penjualan emas yang tepat.]]>
Copyrights © 2026
