PENERAPAN METODE RANDOM FOREST REGRESSION UNTUK PREDIKSI HARGA EMAS DI INDONESIA

Abstract

Harga emas bersifat ­non-linear dan dipengaruhi oleh beberapa faktor eksternal, sehingga menyulitkan masyarakat dalam menentukan waktu yang tepat untuk berinvestasi. Tanpa alat prediksi yang memadai, keputusan investasi berisiko untuk diambil pada waktu yang tidak tepat dan berpotensi menimbulkan kerugian finansial. Penelitian ini bertujuan mengevaluasi kinerja model Random Forest Regression dalam memprediksi harga emas di Indonesia menggunakan data historis harga emas harian dalam satuan Rupiah per gram. Model tidak memprediksi harga secara langsung, melainkan memprediksi persentase perubahan harga (pct_change) untuk mengatasi distribusi shift akibat tren harga yang kuat pada data time-series. Prediksi akan dilakukan tanpa ada tambahan variabel eksternal. Optimasi hyperparameter dilakukan menggunakan GridSearch dengan skema Weighted TimeSeriesSplit 7-fold terhadap 72 kombinasi parameter, menghasilkan parameter terbaik pada penelitian ini yaitu n_estimators = 200, max_depth = 5, max_features = sqrt dan min_sample_leaf = 8. Prediksi jangka menengah dilakukan menggunakan metode Recursive Forecasting. Hasil evaluasi pada data uji menunjukan MAE sebesar Rp20.105, RMSE Rp34.988, dan MAPE sebesar 0,9081%, membuktikan bahwa pola historis harga emas sudah cukup memadai sebagai dasar prediksi yang akurat tanpa variabel eksternal