Abstract :
Emas merupakan salah satu alat investasi yang paling diminati di dunia sebagai
salah satu standar keuangan ekonomi dunia. Seorang investor emas harus
memiliki keahlian dalam memprediksi naik turunnya nilai sebuah emas, sehingga
diperlukannya sebuah pemodelan pergerakan harga. Masalah yang diangkat pada
penelitian ini adalah bagaimana cara membuat model pergerakan harga emas
dengan algoritma K-Nearest-Neighbors dan seperti apa hasil perbandingan antara
algoritma K-Nearest-Neighbors dengan Decision Tree. Penelitian ini bertujuan
untuk menyediakan model pergerakan harga emas dengan algoritma K-Nearest
Neighbors dan membandingkan antara akurasi model dengan algoritma K-Nearest
Neighbors dan akurasi model dengan algoritma Decision Tree. Penelitian ini
menggunakan metode kuantitatif dengan pengumpulan data sekunder melalui
observasi dan studi referensi. Datasheet harga emas diperoleh dari Investing.com
dengan variabel yang digunakan adalah High, Open, Low, Price dalam satuan US
Dollar per Oz. Penelitian ini menghasilkan sebuah model pergerakan harga emas
menggunakan algoritma K-Nearest Neighbors dan Decision Tree. Berdasarkan
hasil evaluasi algortima K-Nearest Neighbors pada kasus ini memiliki RMSE
sebesar 0.0124. Sedangkan algoritma Decision Tree pada kasus yang sama
memiliki RMSE sebesar 0.0143. Dapat disimpulkan bahwa untuk kasus
pemodelan pergerakan harga emas berbasis machine learning, algoritma K?Nearest Neighbors lebih cocok diterapkan daripada algoritma Decision Tree.