PREDIKSI NILAI EMAS MENGGUNAKAN ALGORITMA REGRESI LINEAR

Wresti Andriani; Gunawan Gunawan; Alan Eka Prayoga

doi:10.35760/ik.2023.v28i1.8096

PREDIKSI NILAI EMAS MENGGUNAKAN ALGORITMA REGRESI LINEAR

Wresti Andriani
STMIK YMI Tegal
Indonesia

Gunawan Gunawan
STMIK YMI Tegal
Indonesia

Alan Eka Prayoga
STMIK YMI Tegal
Indonesia

DOI: http://dx.doi.org/10.35760/ik.2023.v28i1.8096

Article Submitted: 07 April 2023

Article Published: 31 May 2023

Abstract

Harga emas yang fluktuatif menjadi salah satu tantangan dalam melakukan investasi. Oleh karenanya, prediksi harga emas menjadi penting untuk investor dalam mengambil keputusan investasi yang tepat. Penelitian ini bertujuan untuk melakukan prediksi harga emas menggunakan algoritma regresi linear. Harga emas diprediksi berdasarkan beberapa faktor, seperti suku bunga, inflasi, dan harga minyak. Data harga emas selama beberapa tahun diambil sebagai sampel untuk analisis. Model regresi linear dibangun berdasarkan faktor-faktor tersebut dan hasilnya dianalisis untuk menentukan akurasi prediksi. Pengumpulan data dilakukan dengan mencari data histori harga emas melalui sumber website. Data yang dikumpulkan adalah harga emas, harga minyak bumi serta nilai dolar terhadap rupiah dari tahun 2019 hingga 2023, yang masing-masing sebesar 43 data. Proses analisis data dilakukan menggunakan aplikasi RapidMiner. Hasil penelitian menunjukkan bahwa algoritma regresi linear dapat digunakan untuk memprediksi harga emas di masa depan dengan perbandingan metode evaluasi MAE sebesar 4341.140 lebih akurat dibanding menggunakan RMSE sebesar 4893.132. Variabel nilai mata uang dolar terhadap rupiah merupakan vaktor prnting yang bisa mempengaruhi pergerakan harga emas artinya menunjukkan model regresi linear dapat memberikan prediksi yang cukup akurat terhadap harga emas pada masa depan.

Keywords

prediksi; nilai emas; regresi linear; inflasi; Rapid Miner.

References

R. Robiyanto, “the Effect of Gold Price Changes, Usd/Idr Exchange Rate Changes and Bank Indonesia (Bi) Rate on Jakarta Composite Index (Jci)’S Return and Jakarta Islamic Index (Jii)’S Return,” J. Manaj. dan Kewirausahaan, vol. 20, no. 1, p. 45, 2018, doi: 10.9744/jmk.20.1.45-52.

S. Adiningtyas and L. Hakim, “Pengaruh Pengetahuan Investasi, Motivasi, dan Uang Saku terhadap Minat Mahasiswa Berinvestasi di Pasar Modal Syariah dengan Risiko Investasi sebagai Variabel Intervening,” J. Ilm. Ekon. Islam, vol. 8, no. 1, p. 474, 2022, doi: 10.29040/jiei.v8i1.4609.

Istamar, S. N. Sarfiah, and Rusmijiati, “Nalysis of the Influence of World Oil Prices, Gold Prices, and Rupiah Exchange Rate of the Joint Stock Price Index in Indonesia Stock Exchange in 1998-2018,” Din. Dir. J. Econ., vol. 1, pp. 433–442, 2019.

F. Kesarditama, H. Haryadi, and Y. Vyn Amzar, “Pengaruh inflasi, nilai tukar rupiah per dollar Amerika, harga minyak mentah dunia dan indeks harga saham gabungan terhadap harga emas di Indonesia,” e-Journal Perdagang. Ind. dan Monet., vol. 8, no. 2, pp. 55–64, 2020, doi: 10.22437/pim.v8i2.8269.

N. N. M. Cahyani and L. P. Mahyuni, “Akurasi Moving Average Dalam Prediksi Saham Lq45 Di Bursa Efek Indonesia,” E-Jurnal Manaj. Univ. Udayana, vol. 9, no. 7, p. 2769, 2020, doi: 10.24843/ejmunud.2020.v09.i07.p15.

A. Syahri and R. Robiyanto, “The correlation of gold, exchange rate, and stock market on Covid-19 pandemic period,” J. Keuang. dan Perbank., vol. 24, no. 3, pp. 350–362, 2020, doi: 10.26905/jkdp.v24i3.4621.

M. A. Maharditya, L. Layyinaturrobaniyah, and M. Anwar, “Implication of Macroeconomic Factors to Stock Returns of Indonesian Property and Real Estate Companies,” J. Din. Manaj., vol. 9, no. 1, pp. 100–113, 2018, doi: 10.15294/jdm.v9i1.14656.

D. P. Sugumonrong and A. Handinata, “Prediksi Harga Emas Menggunakan Metode Fuzzy Time Series Model Algoritma Chen,” J. Informatics, vol. 1, no. 1, pp. 48–54, 2019.

I. Halimi, G. I. Marthasari, and Y. Azhar, “Prediksi Harga Emas Menggunakan Univariate Convolutional Neural Network,” J. Repos., vol. 1, no. 2, p. 105, 2019, doi: 10.22219/repositor.v1i2.612.

N. D. S, “Penerapan Algoritma Support Vector Machine untuk Prediksi Harga Emas,” J. Inform. Upgris, vol. 1, no. 1, pp. 10–19, 2015, [Online]. Available: http://journal.upgris.ac.id/index.php/JIU/article/view/805.

M. Masruroh, “Perbandingan Metode Regresi Linear Dan Neural Network Backpropagation Dalam Prediksi Nilai Ujian Nasional Siswa Smp Menggunakan Software R,” Joutica, vol. 5, no. 1, p. 331, 2020, doi: 10.30736/jti.v5i1.347.

S. Yıldırım, “Pengaruh Nilai Tukar, Tingkat Suku Bunga Dan Inflasi Terhadap Indeks Harga Saham Sektor Properti Yang Terdaftar Di Bursa Efek Indonesia,” no. 21, pp. 1–9, 2018.

V. R. Prasetyo, H. Lazuardi, A. A. Mulyono, and C. Lauw, “Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Linear Regression,” J. Nas. Teknol. dan Sist. Inf., vol. 7, no. 1, pp. 8–17, 2021, doi: 10.25077/teknosi.v7i1.2021.8-17.

M. Mardalius, “Pemanfaatan Rapid Miner Studio 8.2 Untuk Pengelompokan Data Penjualan Aksesoris Menggunakan Algoritma K-Means,” Jurteksi, vol. 4, no. 2, pp. 123–132, 2018, doi: 10.33330/jurteksi.v4i2.36.

F. Ginting, E. Buulolo, and E. R. Siagian, “Implementasi Algoritma Regresi Linear Sederhana Dalam Memprediksi Besaran Pendapatan Daerah (Studi Kasus: Dinas Pendapatan Kab. Deli Serdang),” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 274–279, 2019, doi: 10.30865/komik.v3i1.1602.