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.
Collections
- Electric Engineering [783]