<![CDATA[Penelitian ini bertujuan untuk membangun model prediksi harga emas ANTAM yang adaptif terhadap perubahan kondisi pasar melalui integrasi Hidden Markov Model (HMM) untuk identifikasi market regime dan Temporal Convolutional Network (TCN) untuk pemodelan deret waktu. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan memanfaatkan data historis harga emas ANTAM periode 2019–2025 sebanyak 1.450 observasi yang diperoleh dari Kaggle. Data diproses melalui tahapan preprocessing, perhitungan log return, identifikasi market regime menggunakan HMM, pemodelan prediksi menggunakan TCN, serta evaluasi menggunakan metrik Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa HMM berhasil mengidentifikasi dua rezim pasar dominan, yaitu bearish dan volatile, yang kemudian digunakan sebagai fitur tambahan pada model TCN. Integrasi kedua metode menghasilkan performa prediksi yang lebih baik dibandingkan model TCN standar, dengan nilai MAE sebesar 70,74 dan MAPE sebesar 4,80%, lebih rendah dibandingkan TCN standar yang memperoleh MAE 92,15 dan MAPE 5,90%. Selain itu, hasil prediksi lima hari ke depan menunjukkan kecenderungan kenaikan harga emas secara bertahap dan stabil. Simpulan penelitian ini adalah bahwa integrasi HMM dan TCN mampu meningkatkan akurasi prediksi harga emas dengan mengakomodasi perubahan rezim pasar secara lebih adaptif, sehingga menghasilkan model prediksi yang lebih tangguh dan efektif untuk mendukung pengambilan keputusan investasi. ]]>
Copyrights © 2026
