ANALISIS KINERJA DAN KONSISTENSI MODEL TCN DAN BIGRU DALAM PREDIKSI HARGA EMAS

Harga emas sebagai aset finansial safe haven kerap menunjukkan pola pergerakan yang non-stasioner dan volatil, sehingga akurasi maupun konsistensi model prediksi menjadi tantangan penting, khususnya pada kondisi pasar yang mengalami perubahan tren tajam. Penelitian ini menerapkan, membandingkan, dan mengevaluasi kinerja dua model deep learning, yaitu Temporal Convolutional Network (TCN) dan Bidirectional Gated Recurrent Unit (BiGRU), untuk memprediksi harga penutupan emas harian berdasarkan data historis univariat periode 4 Januari 2010 sampai 30 Desember 2025 (4.022 observasi, 4.000 di antaranya digunakan dalam eksperimen rolling window), serta membandingkan keduanya terhadap baseline Naive Persistence. Model dievaluasi menggunakan pendekatan fixed-length rolling window validation sebanyak 10 window yang mencakup kondisi pasar berbeda-beda, dianalisis stabilitasnya melalui variansi, standar deviasi, dan coefficient of variation (CV), diuji signifikansi statistiknya menggunakan Wilcoxon Signed-Rank Test pada tiga variasi panjang sequence input (20, 30, dan 60 hari), serta diuji robustness-nya terhadap inisialisasi bobot acak menggunakan tiga random seed independen pada seluruh variasi. Hasil menunjukkan BiGRU secara konsisten unggul dibandingkan TCN pada seluruh 10 window pengujian, dengan rata-rata MAE (dirata-ratakan dari tiga seed) sebesar 26,06 USD berbanding 318,58 USD pada SEQ_LEN = 20 hari, sedangkan TCN menunjukkan gap performa yang signifikan akibat kecenderungan menghasilkan prediksi flat yang tidak responsif terhadap perubahan tren, terutama pada periode lonjakan harga pandemi COVID-19 dan harga tertinggi sepanjang sejarah. Di antara tiga variasi panjang sequence, BiGRU mencatatkan akurasi dan konsistensi terbaik pada SEQ_LEN = 30 hari (MAE 24,95 USD, CV 0,5771). Perbedaan performa TCN vs BiGRU, BiGRU vs Naive Persistence, dan TCN vs Naive Persistence terbukti signifikan secara statistik (p = 0,002; effect size r = 1,000) pada seluruh variasi panjang sequence. Meskipun BiGRU merupakan model deep learning terbaik dalam penelitian ini, MAE-nya tetap berada di atas baseline Naive Persistence (13,19 USD) pada seluruh window dan variasi pengujian, dan tingkat stabilitasnya (CV) tidak melampaui Naive Persistence pada seluruh variasi yang diuji setelah inisialisasi bobot acak diperhitungkan, sehingga BiGRU tidak dapat digeneralisasi sebagai metode peramalan harga emas terbaik secara mutlak.