Perbandingan Algoritme Naïve Bayes Classifier Dan K-Nearest Neighbors Pada Prediksi Pergerakan Mata Uang Dollar Amerika (USD) Terhadap Harga Emas

Abstract

Emas merupakan salah satu jenis investasi yang terbukti memiliki nilai tukar yang stabil dan menjadi bentuk aset yang penting. Dengan harga emas dunia yang selalu berubah-ubah dapat mengkhawatirkan para investor emas, sehingga dibutuhkan sebuah informasi yang akurat dan cepat terhadap perubahan-perubahan yang terjadi. Skripsi ini bertujuan untuk mengetahui prediksi pergerakan nilai emas dengan menggunakan metode Machine Learning dengan algoritme Naïve Bayes Classifier dan K-Nearest Neighbors. Fitur yang digunakan untuk memprediksi pergerakan nilai saham emas adalah nilai Open, nilai High, nilai Low, dan nilai Close. Algoritme Naïve Bayes Classifier dan K-Nearest Neighbors digunakan untuk melatih model Machine Learning dalam 3 skenario pengujian yakni pembagian data latih dan data uji dengan rasio 75%-25%, 80%-20%, dan 90%-10%. Pada hasil pengujian terlihat bahwa pengujian skenario 80%-20% model Naïve Bayes Classifier memiliki akurasi tertinggi dengan nilai 62% sedangkan akurasi tertinggi untuk model K-Nearest Neighbors ada pada pengujian skenario 90%-10% dengan nilai 65%. Dapat disimpulkan bahwa pengujian yang dilatih dengan menggunakan model K-Nearest Neighbors memiliki kinerja yang lebih baik secara keseluruhan dibanding dengan model Naïve Bayes Classifier.