Model Machine Learning dan Algoritme Optimized Lime Explanations (OptiLIME) Untuk Prediksi Harga Emas

Oleh :
Agrippina Nicola Putra - M0122006 - Fak. MIPA

Prediksi harga emas menggunakan machine learning telah terbukti menghasilkan akurasi yang tinggi dalam menangkap pola nonlinier pada data deretwaktu. Namun, model seperti long short-term memory (LSTM ), gated recurrentunit (GRU ), dan bidirectional long short-term Memory (Bi-LSTM ) sering dianggap sebagai black box karena sulit menjelaskan faktor-faktor yang memengaruhihasil prediksi. Dalam konteks investasi emas, keterbatasan interpretasi ini menjadi tantangan karena pengambilan keputusan membutuhkan penjelasan yangtransparan dan dipertanggungjawabkan. Oleh karena itu, pendekatan explainable artificial intelligence (XAI) melalui algoritme optimized local interpretablemodel explanations (OptiLIME) digunakan untuk memberikan interpretasi lokalterhadap hasil prediksi. Algoritme ini menjelaskan kontribusi masing-masing variabel seperti indeks saham, harga minyak, harga perak, dan nilai tukar USD/IDRterhadap pergerakan harga emas sehingga tidak hanya meningkatkan kepercayaanterhadap model, tetapi juga memberikan wawasan yang lebih mendalam dalammendukung pengambilan keputusan investasi berbasis data.Penelitian ini bertujuan untuk menerapkan dan membandingkan 3 modelmachine learning, yaitu GRU, LSTM, dan Bi-LSTM, guna memeroleh modelterbaik dalam memprediksi harga emas serta menginterpretasikan hasil prediksimenggunakan algoritme OptiLIME. Data yang digunakan merupakan data historis harian periode 2015–2025 dengan variabel input berupa harga perak, hargaminyak, indeks saham, dan nilai tukar USD/IDR.Hasil penelitian menunjukkan ketiga model menghasilkan prediksi yangcukup baik, namun model Bi-LSTM memberikan prediksi dengan nilai loss 0.0177dan nilai R2 0.8122. Hal ini menunjukkan Bi-LSTM lebih efektif dalam menangkappola kompleks pada data deret waktu. Selain itu, hasil interpretasi menggunakanOptiLIME menunjukkan pola yang konsisten, di mana variabel harga minyak danindeks saham memberikan kontribusi positif terhadap prediksi, sedangkan nilaitukar USD/IDR memberikan kontribusi negatif. Dengan demikian, penelitian initidak hanya menghasilkan model prediksi yang akurat, tetapi juga memberikanpemahaman yang lebih jelas mengenai faktor-faktor yang memengaruhi hargaemas sehingga mendukung pengambilan keputusan investasi yang lebih tepat