HISYAM, MOCHAMMAD (2025) PENDEKATAN MACHINE LEARNING DALAM MEMPREDIKSI HARGA LOGAM MULIA MENGGUNAKAN ALGORITMA EXTREME GRADIENT BOOSTING. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (253kB)
	Text Abstrak.pdf Download (230kB)
	Text Bab I.pdf Download (280kB)
	Text Daftar Pustaka.pdf Download (255kB)
	Text Full-text.pdf Restricted to Registered users only Download (3MB)

Abstract

Prediksi harga emas yang akurat sangat penting dalam mendukung pengambilan keputusan finansial dan investasi. Penelitian ini membangun dan mengoptimalkan model prediksi harga emas harian menggunakan algoritma Extreme Gradient Boosting (XGBoost) berdasarkan data historis harga dan indikator teknikal. Model dikembangkan untuk memprediksi dua jenis harga, yaitu harga "Close" dan "Buyback" dalam satuan IDR/gram. Pengoptimalan dilakukan melalui metode Bayesian Optimization untuk memperoleh kombinasi hyperparameter terbaik. Evaluasi model dilakukan menggunakan pendekatan Walk Forward Validation (WFV) dengan sliding window 14 hari, serta dua metrik evaluasi utama, yaitu Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model mampu memberikan performa prediksi yang sangat baik dengan rata-rata RMSE sebesar 15.431,92 dan MAPE sebesar 1,03% untuk harga Close, serta RMSE sebesar 15.382,64 dan MAPE sebesar 1,15% untuk harga Buyback. Visualisasi prediksi menunjukkan bahwa model secara konsisten mengikuti pola harga aktual. Analisis feature importance mengungkap bahwa indikator teknikal seperti MA dan EMA memiliki kontribusi signifikan terhadap model. Keberhasilan penelitian ini menunjukkan bahwa XGBoost yang dioptimalkan dapat menjadi pendekatan andal dalam memprediksi harga emas, serta membuka peluang untuk pengembangan model prediksi yang lebih kompleks pada studi lanjutan

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Mochammad Hisyam
Date Deposited:	13 Oct 2025 03:41
Last Modified:	13 Oct 2025 03:41
URI:	https://rama.unimal.ac.id/id/eprint/16636

Actions (login required)

View Item