Studi Perbandingan Data Time Series Harga Emas Menggunakan Metode XGBoost, STL, dan Facebook Prophet

Abstract

Harga emas merupakan aspek penting bagi para pelaku pasar karena nilainya yang stabil dan cenderung naik. Penelitian ini membandingkan tiga model analisis data time series harga emas yakni Extreme Gradient Boosting (XGBoost), Seasonal-Trend Decomposition Procedure Based on LOESS (STL), dan Facebook Prophet. Dalam penelitian ini, ketiga model tersebut dievaluasi dengan mempertimbangkan faktor eksternal seperti inflasi dan nilai tukar mata uang. Data harga emas dan faktor eksternal dikumpulkan dari Januari 2010 hingga April 2023. Hasil penelitian menunjukkan bahwa pada pendekatan univariate, model Facebook Prophet memiliki Symmetrical Mean Absolute Percentage Error (SMAPE) sebesar 6,28% dan Mean Absolute Scaled Error (MASE) sebesar 6,0458. Pada pendekatan multivariate, XGBoost memiliki SMAPE sebesar 12,63% dan MASE sebesar 11,815. Dari hasil penelitian, dapat disimpulkan bahwa Facebook Prophet dengan pendekatan univariate lebih akurat dibandingkan pendekatan XGBoost dan STL. Sementara itu, XGBoost dengan pendekatan multivariate lebih akurat daripada Facebook Prophet dalam kasus yang diujikan