OPTIMASI PREDIKSI HARGA EMAS DENGAN METODE SUPPORT VECTOR REGRESSION (SVR) MENGGUNAKAN ALGORITMA GRID SEARCH

Abstract

Emas masih tetap menjadi salah satu instrumen investasi yang stabil dan diminati 87% masyarakat Indonesia meski telah melewati pandemi covid-19 yang telah melumpuhkan perekonomian dunia. Sehingga memprediksi harga emas menggunakan data harga emas sebelum terjadinya pandemi covid-19 masih dapat menjadi acuan untuk memprediksi harga emas di tahun selanjutnya. Algoritma support vector regression (SVR) merupakan salah. Namun, parameter bebas SVR sangat sensitif dimana jika nilai support vector nya terlalu besar malah akan menyebabkan underfitting sehingga perlu dilakukan optimasi untuk memaksimalkan hasil pelatihan SVR. Algoritma grid search diperlukan untuk melakukan optimasi agar mendapatkan nilai parameter bebas SVR terbaik. Penelitian ini membahas tentang bagaimana proses optimasi parameter SVR menggunakan algoritma grid search dalam memprediksi harga emas periode per hari. Proses pelatihan menggunakan 1461 data harga emas periode 1 Januari 2018 hingga 31 Desember 2021, yang dimana hasil optimasi pelatihan SVR akan dibandingkan dengan hasil pelatihan SVR tanpa optimasi dengan menggunakan metode pengukuran error mean absolute percentage error (MAPE). Hasil penelitian menunjukkan bahwa algoritma grid search mampu mengoptimasi prediksi harga emas menggunakan SVR namun tidak signifikan dengan skor MAPE sebesar 3,73% dibandingkan dengan hasil prediksi menggunakan SVR tanpa optimasi dengan skor MAPE sebesar 4,35% yang dimana hasil prediksi kedua model tersebut sangat baik.