ANALISIS KOMPARASI ALGORITMA REGRESI MACHINE LEARNING DALAM ESTIMASI HARGA PENUTUPAN HARIAN EMAS PADA (DATA HISTORI) BROKER EXNESS TAHUN 2020-2024

Abstrak

Pergerakan harga emas sangat dipengaruhi oleh faktor teknikal dan makroekonomi, sehingga memerlukan
pendekatan prediksi yang lebih akurat dibanding metode konvensional. Penelitian ini bertujuan untuk
membandingkan performa tiga algoritma regresi machine learning, yaitu Support Vector Regression (SVR),
Random Forest, dan XGBoost dalam mengestimasi harga penutupan harian emas (XAU/USD) berdasarkan data
historis dari broker Exness periode 2020–2024. Fitur yang digunakan mencakup harga open, high, low, inflation,
dan interest rate. Penelitian ini menggunakan pendekatan CRISP-DM dan diimplementasikan dengan Python.
Data dibagi menjadi data latih dan uji (80:20), serta dievaluasi menggunakan MAE, RMSE, dan R². Hasil
penelitian menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dalam hal akurasi
prediksi