Prediksi Harga Emas Antam dengan Menggunakan Algoritma Prophet Melalui Optimasi Hyperparameter Menggunakan Bat Algorithm
Keywords:
Harga Emas Antam, Prediksi Time Series, Prophet Algorithm, Bat Algorithm, Optimasi HyperparameterAbstract
Harga emas Antam sangat sering mengalami fluktuasi atau perubahan yang jauh, hal ini terjadi dikarenakan beberapa faktor dari masalah tingkat global maupun masalah lokal, diantaranya perubahan nilai tukar rupiah terhadap mata uang asing, tingkat inflasi, dan kebijakan suku bunga yang ditetapkan oleh bank sentral. Dinamika pasar ini menunjukkan perlunya metode prediksi yang tidak hanya dapat menangkap pola jangka panjang secara tepat, tetapi juga dapat mendeteksi pola musiman yang terjadi berulang. Penelitian ini akan dilakukan sebagai upaya pendektesian pola musiman harga emas Antam dengan pendekatan inovatif yang mengkombinasikan Algoritma Prophet yang dioptimalkan dengan hyperparameter melalui Bat Algorithm (BA). Tujuan dari pendekatan ini adalah untuk meningkatkan keakuratan prediksi harga emas Antam secara signifikan.Studi ini menggunakan data Kaggle yang mencakup 4.546 catatan harian harga emas Antam dari tahun 2014 hingga 2024. Prophet Algorithm sangat baik dalam mengelola data rangkaian waktu dengan karakteristik tren dan musiman, sementara Bat Algorithm sangat penting untuk mengoptimalkan parameter utama seperti changepoint_prior_scale dan seasonality_prior_scale untuk memastikan bahwa model berfungsi dengan baik. Dalam penelitian ini, terdapat dua indikator utama digunakan untuk mengevaluasi model: RMSE (Root Mean Squared Error) dan MAPE (Mean Absolute Percentage Error). Hasil penelitian menunjukkan bahwa model Algoritma Prophet yang dioptimalkan dengan Algoritma Bat memperoleh nilai RMSE sebesar 34.056 dan MAPE sebesar 2,68%, jauh lebih tinggi dibandingkan dengan model Algoritma Prophet yang tidak dioptimalkan. Hasil ini menunjukkan bahwa algoritma ini benar-benar efektif dalam memberikan akurasi yang lebih tinggi pada tingkat Akibatnya, metode ini dapat berfungsi sebagai dasar untuk perencanaan keuangan dan keputusan investasi yang lebih akurat.
References
Aalimahmoody, N., Bedon, C., Hasanzadeh-Inanlou, N., Hasanzade-Inallu, A., & Nikoo, M. (2021). BAT algorithm-based ANN to predict the compressive strength of concrete—A comparative study. Infrastructures, 6(6), 80.
Adhikari, B., & Goyal, N. (2023). A Comparative Analysis of Time series Forecasting Models for Stock Price Prediction. Journal of Data Science, 21(3), 567-589.
Ahmed, Z., Khan, A., & Ali, S. (2021). Anomaly Detection in Financial Time series Data Using Statistical and Machine Learning Approaches. Journal of Financial Data Science, 7(1), 1-15.
Ahmad, R., Singh, R., & Kumar, S. (2020). Forecasting Stock Prices Using Facebook Algoritma Prophet and ARIMA. International Journal of Advanced Computer Science and Applications, 11(10), 1-8.
Gupta, S., & Goyal, A. (2022). Performance Evaluation of Machine Learning Models for Gold Price Prediction. International Journal of Computer Science and Network Security, 22(8), 101-108.
Kaur, A., & Kumar, Y. (2021). Recent developments in bat algorithm: a mini review. Journal of Physics: Conference Series, 1950(1), 012055.
Kim, J., & Kim, Y. (2023). An Empirical Study on the Effectiveness of Forecasting Error Metrics in Financial Time series. Journal of Quantitative Finance and Economics, 7(2), 123-138.
Li, X., Wang, Q., & Zhang, Y. (2024). Hybrid Deep Learning Models for Gold Price Forecasting Considering Long-Range Dependencies. Expert Systems with Applications, 238, 121897.
Maheshwari, A., Malhotra, A., Tuteja, S., Ranka, M., & Basha, M. S. A. (2022). Prediction of stock prices using Algoritma Prophet Model with Hyperparameters tuning. 2022 IEEE North Karnataka Subsection Flagship International Conference (NKCon), 1–5.
Mambang, M., Hidayat, A., Marleny, F. D., & Wahyudi, J. (2022). Explanatory Data Analisis Untuk Mengevaluasi Penelusuran Kata Kunci Video Pembelajaran Di Youtube Dengan Pendekatan Machine Learning. Jurnal Informatika Dan Tekonologi Komputer (JITEK), 2(2), 181–189.
Menculini, L., Marini, A., Proietti, M., Garinei, A., Bozza, A., Moretti, C., & Marconi, M. (2021). Comparing algoritma Prophet and deep learning to ARIMA in forecasting wholesale food prices. Forecasting, 3(3), 644–662.
Naura, Y. E., & others. (2021). Pengaruh Nilai Tukar (Kurs) Dolar dan BI Rate terhadap Harga Emas di Indonesia dalam Perspektif Ekonomi Islam. UIN Ar-Raniry.
Nursya’bani, R. Z., & Fatah, D. A. (2023). Pengaruh Fluktuasi Harga Emas dan Pengetahuan Investasi Syariah terhadap Minat Nasabah Berinvestasi Cicil Emas BSI. Seminar Nasional Akuntansi Dan Manajemen PNJ, 4(1).
Pandey, P., & Kumar, V. (2023). Data Visualization Techniques for Financial Time series Analysis. International Journal of Business Intelligence and Data Mining, 23(1), 77-98.
Siagian, R. R. A.-A. (2025). Persepsi Masyarakat Indonesia Terhadap Kenaikan Harga Emas Sebagai Instrumen Investasi Jangka Panjang: Sebuah Tinjauan Literatur. Future Academia: The Journal of Multidisciplinary Research on Scientific and Advanced, 3(1), 72–79.Catatan: Publikasi tahun 2025 perlu direvisi jika saat ini belum 2025 atau jika penelitian ini dilakukan sebelum 2025. Peraturan 5 tahun terakhir berarti referensi harus dari tahun 2020-2024 jika tahun sekarang adalah 2024.
Yang, X. S. (2010). A New Metaheuristic Bat-Inspired Algorithm. In: G. S. Yang, J. N. Cao, & H. C. Wu (Eds.), Nature Inspired Cooperative Strategies for Optimization (NICSO 2010) (pp. 65-74). Springer, Berlin, Heidelberg.Catatan: Publikasi tahun 2010 ini tidak masuk dalam rentang 5 tahun terakhir. Pertimbangkan untuk menggantinya dengan referensi yang lebih baru tentang Bat Algorithm jika memungkinkan.
Zheng, J., Wang, Y., Li, S., & Chen, H. (2021). The stock index prediction based on SVR model with bat optimization algorithm. Algorithms, 14(10), 299.
