PENGEMBANGAN SISTEM PREDIKSI HARGA EMAS REAL-TIME BERBASIS LSTM UNTUK OPTIMALISASI WAKTU INVESTASI BISNIS

Penelitian ini bertujuan mengembangkan sistem prediksi harga emas real-time berbasis Long Short-Term Memory (LSTM) untuk optimalisasi waktu investasi bisnis di tengah tingginya volatilitas pasar global. Emas sebagai aset safe haven memerlukan instrumen prediksi yang mampu menangani data deret waktu non-linear dan fluktuatif, mengatasi keterbatasan metode konvensional seperti ARIMA dalam menyimpan informasi jangka panjang. Penelitian kuantitatif eksperimental ini menggunakan data historis harga harian emas periode 3 Maret 2021 hingga 2 Maret 2026 yang diperoleh dari Yahoo Finance, dengan total 1.257 entri data. Model LSTM dirancang dengan arsitektur dua lapis (masing-masing 100 unit), fungsi aktivasi ReLU, optimasi Adaptive Moment Estimation (Adam), dan pembagian data 80% pelatihan serta 20% pengujian. Hasil evaluasi menunjukkan kinerja sangat baik dengan nilai R² Score Training 0,9908, R² Score Testing 0,9725, Mean Percentage Error (MPE) 1,74%, dan kemampuan menjelaskan variabilitas data mencapai 91%. Prediksi 30 hari ke depan (2-31 Maret 2026) mengindikasikan fase konsolidasi jangka pendek pasca tren kenaikan sejak Januari 2026, dengan rentang harga stabil di $5.203 hingga $5.217. Model mampu memprediksi arah perubahan harga harian dengan akurasi 50,67% menggunakan periode lookback 30 hari. Meskipun memiliki performa statistik kuat, prediksi bersifat probabilistik dan tidak mengantisipasi kejadian tak terduga seperti perubahan kebijakan bank sentral atau krisis geopolitik. Sistem ini direkomendasikan sebagai alat bantu analisis yang terintegrasi dengan pendekatan fundamental dan teknikal lainnya untuk mendukung pengambilan keputusan investasi yang lebih komprehensif.