Analisis Perbandingan Model Algoritma Data Mining

Memprediksi Harga Emas terhadap Mata Uang US Dollar (XAU/USD) di Pasar Forex

Petah Herwanto, Fanji Arief Suwandy, Yudhi Widya Arthana Rustam, Rosida

Latar Belakang Penelitian

Penelitian ini menganalisis pergerakan harga XAU/USD di pasar forex untuk memfasilitasi prediksi tren yang akurat bagi para trader. Berbagai model algoritma data mining dibandingkan untuk menentukan yang paling akurat dalam memprediksi harga emas terhadap dolar AS.

Neural Network menunjukkan performa terbaik dengan RMSE terendah (7.059) dalam memprediksi harga XAU/USD
📊

Dataset

Data harga XAU/USD dari periode Januari 2018 hingga Desember 2022 dengan atribut Open, High, Low, dan Close

⚙️

Validasi

Menggunakan K-Fold Cross Validation untuk mengevaluasi kinerja model dalam mengestimasi kesalahan prediksi

📈

Evaluasi

Root Mean Square Error (RMSE) digunakan sebagai metrik evaluasi untuk mengukur akurasi prediksi

Algoritma yang Dibandingkan

Neural Network

7.059
Terbaik

RMSE

Support Vector Machine

15.500
Baik

RMSE

Linear Regression

10.320
Cukup

RMSE

Gaussian Process

1645.982
Buruk

RMSE

Polynomial Regression

1.49T
Sangat Buruk

RMSE

Perbandingan Kinerja Algoritma (RMSE)

Detail Hasil Evaluasi

Algoritma RMSE Rentang Ketidakpastian Micro Average
Neural Network (NN) 6.976 +/- 1.160 7.059
Support Vector Machine (SVM) 15.439 +/- 1.473 15.500
Linear Regression (LR) 10.210 +/- 1.566 10.320
Gaussian Process (GP) 1645.613 +/- 32.293 1645.982
Polynomial Regression (PR) 4.97×10¹¹ +/- 1.48×10¹² 1.49×10¹²

Hasil Prediksi Neural Network (Juni 2022)

Kesimpulan dan Implikasi

Berdasarkan evaluasi menggunakan RMSE, Neural Network mencapai nilai terendah (7.059), diikuti oleh Linear Regression (10.320) dan Support Vector Machine (15.500). Sementara Gaussian Process dan Polynomial Regression menunjukkan performa yang buruk.

Implikasi Praktis: Neural Network terbukti sebagai model algoritma paling akurat dalam memprediksi pergerakan harga XAU/USD dengan tingkat akurasi mencapai 97%. Model ini menghasilkan prediksi harga yang memiliki kedekatan rentang harga signifikan dengan harga aktual, membantu trader dalam membuat keputusan transaksi yang lebih baik.