Hidayatullah, Rian (2025) Analisis Implementasi Algoritma Ensemble Learning Boosting Dalam Sistem Prediksi Harga Emas Satuan Mayam Di Aceh. S1 thesis, Universitas Malikussaleh.

	Text RIAN HIDAYATULLAH_200170171_Cover .pdf Download (126kB)
	Text RIAN HIDAYATULLAH_200170171_Abstrak.pdf Download (154kB)
	Text RIAN HIDAYATULLAH_200170171_Bab 1.pdf Download (197kB)
	Text RIAN HIDAYATULLAH_200170171_Daftar Pustaka.pdf Download (141kB)
	Text RIAN HIDAYATULLAH_200170171_analisis implementasi algoritma ensemble learning boosting dalam sistem prediksi harga emas satuan mayam di aceh.pdf Restricted to Registered users only Download (3MB)

Abstract

Emas, yang diukur dalam satuan lokal mayam, merupakan komoditas bernilai tinggi baik secara ekonomi maupun budaya di Aceh, menjadikannya objek yang krusial untuk diprediksi secara akurat, khususnya dalam konteks mahar pernikahan dan transaksi perdagangan lokal. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja tiga algoritma Ensemble Learning Boosting—XGBoost, LightGBM, dan CatBoost—dalam memprediksi harga emas 23 karat yang dikonversi ke dalam satuan mayam sesuai standar lokal di Banda Aceh, Lhokseumawe, dan Langsa. Dengan menggunakan data historis harian dari November 1998 hingga April 2025 serta penerapan teknik rekayasa fitur berbasis indikator teknikal dan prapemrosesan intensif, model dikembangkan dan dievaluasi menggunakan metrik MAPE, MAE, dan MSE. Hasil penelitian menunjukkan bahwa XGBoost unggul secara konsisten dengan tingkat akurasi terbaik, menghasilkan nilai Mean Absolute Percentage Error (MAPE) serendah 2,61% dan Mean Absolute Error (MAE) sekitar Rp41.660, jauh lebih presisi dibandingkan LightGBM dan CatBoost yang mencatat kesalahan hampir empat kali lipat. Temuan ini menggarisbawahi bahwa dalam konteks prediksi harga komoditas yang kompleks dan berbasis adat seperti emas mayam, pemilihan algoritma yang tepat secara empiris lebih berdampak signifikan daripada sekadar mempertimbangkan popularitas atau kecanggihan teoretis suatu metode. XGBoost terbukti sebagai model paling adaptif terhadap dinamika lokal Aceh, dan hasil penelitian ini diharapkan menjadi pijakan dalam pengembangan sistem pendukung keputusan berbasis data untuk masyarakat dan pelaku usaha emas setempat. Kata Kunci: Prediksi Harga; Mayam; Emas; Ensemble Learning; Data Drift;

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Rian Hidayatullah
Date Deposited:	19 Jan 2026 02:07
Last Modified:	19 Jan 2026 02:07
URI:	https://rama.unimal.ac.id/id/eprint/17701

Actions (login required)

View Item