Email this article Penerapan Gradient Boosting Regression dalam Prediksi Pergerakan Harga Emas Berdasarkan Pendekatan Moving Average of VWAP
Abstract
Pergerakan Harga emas dipengaruhi oleh berbagai faktor ekonomi, inflasi, penawaran dan permintaan, serta kebijakan moneter, yang membuat prediksi Harga emas menjadi penting bagi investor. Penelitian ini bertujuan untuk mengembangkan model prediksi Harga emas menggunakan pendekatan Moving Average of VWAP dan Algoritma Gradient Boosting Regression. Data diambil dari situs www.investing.com, mencakup periode 14 Januari 2016 hingga 12 April 2024. Metode penelitian meliputi pembersihan data. Penskalaan dengan StandardScaler, dan pembagian data menjadi set pelatihan dan pengujian, Moving Average of VWAP digunakan untuk menganalisis Harga berdasarkan volume perdagangan, sementara Algoritma Gradient Boosting Regression digunakan untuk klasifikasi dan prediksi Harga actual dan prediksi. Hasil penelitian menunjukan Tingkat akurasi yang sangat tinggi dengan R-Squared (R2) mencapai 0.99 dan evaluasi kinerja model menunjukan MAE sebesar 6.2955, MSE sebesar 78.0802, RMSE sebesar 8.8317. hasil ini menunjukan bahwa model prediksi yang dihasilkan dapat menjadi alat yang efektif bagi investor dalam pengambilan Keputusan investasi emas yang lebih informasional dan strategis.
Keywords
Full Text:
PDFReferences
Z. H. Kilimci, “Ensemble Regression-Based Gold Price ( XAU / USD ) Prediction,” vol. 2, no. June, pp. 7–12, 2022.
Z. Alameer, M. A. Elaziz, A. A. Ewees, H. Ye, and Z. Jianhua, “Forecasting gold price fluctuations using improved multilayer perceptron neural network and whale optimization algorithm,” Resour. Policy, 2019, [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0301420718304926
G. Smith, “Data mining fool’s gold,” 2020, doi: 10.1177/0268396220915600.
H. Y. Wu, S. W. Lei, and J. L. Ha, “Analyzing Market Trends Using a Visual Approach,” … J. Econ. Manag. Syst., 2022, [Online]. Available: https://www.iaras.org/iaras/home/caijems/analyzing-market-trends-using-a-visual-approach
H. N. Gudavalli and K. V. R. Kancherla, Predicting Cryptocurrency Prices with Machine Learning Algorithms: A Comparative Analysis. diva-portal.org, 2023. [Online]. Available: https://www.diva-portal.org/smash/record.jsf?pid=diva2:1778251
P. Simamora, S. A. Pasaribu, and V. Wijaya, “Peningkatan dan Optimalisasi Prediksi Harga Emas Menggunakan Metode Combine Machine Learning Random Forest dan Gradient Boosting,” vol. 01, pp. 42–51, 2024.
Y. Chithra, P. Kiran, and P. B. Manoj, “The Novel Method for Data Preprocessing CLI,” pp. 117–120, 2023.
L. Zhang, T. Wu, S. Lahrichi, and ..., “A data science pipeline for algorithmic trading: A comparative study of applications for finance and cryptoeconomics,” 2022 IEEE …, 2022, [Online]. Available: https://ieeexplore.ieee.org/abstract/document/9881799/
S. Alam, F. S. Al-ismail, and S. Hossain, “Ensemble Machine-Learning Models for Accurate Prediction of Solar Irradiation in Bangladesh,” pp. 1–15, 2023.
W. F. Mustafa, S. Hidayat, and D. H. Fudholi, “Prediksi Retensi Pengguna Baru Shopee Menggunakan Machine Learning,” vol. 8, pp. 612–623, 2024, doi: 10.30865/mib.v8i1.7074.
R. A. V. and K. N. L. Craig A. Mertler, Advanced and Multivariate Statistical Methods.
Trivusi, “Perbedaan MAE, MSE, RMSE, dan MAPE pada Data Science,” 2023. https://www.trivusi.web.id/2023/03/perbedaan-mae-mse-rmse-dan-mape.html
M. Pauzan, “Rancang Bangun Sistem Kontrol Watermeter PDAM Berbasis IoT,” vol. 14, no. 3, pp. 242–257, 2022.
W. Rizka, U. Fadilah, D. Agfiannisa, and Y. Azhar, “Analisis Prediksi Harga Saham PT . Telekomunikasi Indonesia Menggunakan Metode Support Vector Machine,” vol. 5, no. 2, 2020.
D. Chicco, M. J. Warrens, and G. Jurman, “The coef fi cient of determination R-squared is more informative than SMAPE , MAE , MAPE , MSE and RMSE in regression analysis evaluation,” pp. 1–24, 2021, doi: 10.7717/peerj-cs.623.
A. Purwanto and Y. Sudargini, “Partial Least Squares Structural Squation Modeling ( PLS-SEM ) Analysis for Social and Management Research : A Literature Review Journal of Industrial Engineering & Management Research,” vol. 2, no. 4, pp. 114–123.
DOI: http://dx.doi.org/10.22441/incomtech.v15i1.28304
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Publisher Address:
Magister Teknik Elektro, Universitas Mercu Buana
Jl. Meruya Selatan 1, Jakarta 11650
Phone (021) 31935454/ 31934474
Fax (021) 31934474
Email: [email protected]
Website of Master Program in Electrical Engineering
http://mte.pasca.mercubuana.ac.id
pISSN: 2085-4811
eISSN: 2579-6089
Jurnal URL: http://publikasi.mercubuana.ac.id/index.php/Incomtech
Jurnal DOI: 10.22441/incomtech
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional
The Journal is Indexed and Journal List Title by:
