Prediksi Pergerakan Harga Emas Menggunakan Jaringan Saraf Tiruan Dengan Melakukan Perbandingan Antara Multilayer Perceptron Dan Long Short Term Memory

Emas merupakan instrumen investasi pelindung nilai (safe haven) yang harganya sangat dinamis dan sulit diprediksi karena sangat dipengaruhi oleh kondisi ketidakpastian ekonomi global serta dinamika sentimen publik. Pendekatan perhitungan konvensional sering kali mengalami keterbatasan dalam menangkap pola hubungan non-linear yang kompleks antara data angka dan data teks opini masyarakat di internet. Oleh karena itu, penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja kecerdasan buatan, khususnya algoritma Neural Network arsitektur Multilayer Perceptron dan Long Short-Term Memory, dalam melakukan klasifikasi sentimen sekaligus memprediksi arah pergerakan harga emas secara akurat. Penelitian kuantitatif komparatif ini menggunakan lima variabel prediktor utama: skor sentimen teks dari platform Twitter, harga emas global, Indeks S&P 500, kurs Dolar AS, dan tingkat suku bunga The Fed, dengan periode pengamatan Januari hingga Desember 2025. Pengolahan data teks opini publik dilakukan melalui tahapan preprocessing berjenjang dan ekstraksi fitur Term Frequency-Inverse Document Frequency, sedangkan penyelarasan data numerik makroekonomi diproses menggunakan metode Min-Max Scaler. Model dilatih menggunakan teknik penataan sliding window dengan laju pembelajaran optimasi Nadam, lalu dievaluasi kinerjanya menggunakan simulasi pergerakan waktu Walk-Forward Validation dengan skema pembagian 80% data latih dan 20% data uji. Hasil pengujian membuktikan bahwa kedua arsitektur Neural Network memiliki kinerja yang sangat baik dengan tingkat kesalahan berada jauh di bawah ambang batas toleransi 10%. Evaluasi metrik Mean Absolute Percentage Error (MAPE) pada pengujian model murni menunjukkan bahwa algoritma LSTM memiliki tingkat kesalahan terendah sebesar 2,0605%, mengungguli MLP (2,1631%) dan metode dasar Naive (2,2923%). Keunggulan serupa juga terlihat pada skenario prediksi model Hybrid, di mana LSTM mencetak nilai MAPE 2,1649% dibandingkan MLP yang memperoleh 2,2787%.