Pemodelan Pergerakan Harga Emas di Pasar Indonesia Menggunakan Algoritma Long Short-Term Memory (LSTM)

Investasi emas menjadi salah satu instrumen yang populer dalam meningkatkan nilai kekayaan dan memperoleh keuntungan jangka panjang. Harga emas yang sering berfluktuasi dipengaruhi oleh faktor-faktor kompleks seperti inflasi, permintaan pasar global, dan ketidakpastian politik dan ekonomi. Oleh karena itu, penelitian ini bertujuan untuk memodelkan pergerakan harga emas di pasar Indonesia menggunakan algoritma Long Short-Term Memory (LSTM). Metode ini merupakan jenis arsitektur jaringan saraf rekurensi (RNN) yang mampu mempelajari dan mengingat informasi jangka panjang dalam urutan data. Data penelitian meliputi harga emas, minyak mentah, IHSG, dan kurs USD/IDR dalam periode 01 Januari 2018 hingga 31 Maret 2023. Hasil penelitian menunjukkan bahwa penggunaan 500 epoch menghasilkan performa terbaik dengan nilai MSE sebesar 76.237 Rupiah2/gram2, RMSE sebesar 8.566 Rupiah/gram, dan MAPE sebesar 0.66%. Validasi dilakukan menggunakan metode k-Fold Cross Validation dan Time Series Split, yang menunjukkan variasi dalam metrik evaluasi tergantung pada lipatan data atau pemisahan data yang dilakukan. Dengan memasukkan faktor- faktor yang mempengaruhi pergerakan harga emas, penelitian ini memberikan wawasan yang lebih komprehensif dan handal dalam memprediksi perubahan nilai emas di pasar Indonesia. Hasil penelitian ini dapat memberikan informasi berharga bagi para pelaku pasar, investor, dan peneliti dalam pengambilan keputusan investasi dan manajemen risiko