Analisis Hasil Klasifikasi Pergerakan Harga Emas Menggunakan Naïve Bayes Berbasis Tick Volume-Based Bars

Abstract

Penelitian ini bertujuan untuk menganalisis karakteristik distribusi data harga emas yang dibentuk menggunakan Tick Volume-Based Bars, mengkaji pengaruhnya terhadap pembentukan fitur indikator teknikal dan distribusi kelas, serta mengevaluasi kinerja algoritma Naïve Bayes dalam mengklasifikasikan pergerakan harga emas. Data yang digunakan berupa data historis XAUUSD timeframe H1 periode 2024–2026 yang diperoleh dari broker EXNESS. Proses penelitian diawali dengan transformasi data time-based bars menjadi Tick VolumeBased Bars, dilanjutkan dengan perhitungan indikator teknikal Relative Strength Index (RSI), Stochastic Oscillator, Moving Average Convergence Divergence (MACD), dan Average True Range (ATR). Pelabelan data dilakukan menggunakan Triple Barrier Labeling sehingga menghasilkan tiga kelas, yaitu naik, turun, dan netral. Selanjutnya dilakukan proses klasifikasi menggunakan algoritma Categorical Naïve Bayes serta evaluasi model menggunakan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa transformasi data menghasilkan 8.200 Tick Volume-Based Bars dari 11.798 candle H1. Nilai Coefficient of Variation (CV) sebesar 34,83 lebih rendah dibandingkan Time-Based Bars sebesar 43,49, yang menunjukkan distribusi data lebih stabil. Proses labeling menghasilkan distribusi kelas yang relatif seimbang. Namun, kombinasi fitur RSI, Stochastic Oscillator, dan MACD Histogram masih menghasilkan lebih dari satu kelas label sehingga kemampuan diskriminatif fitur menjadi terbatas. Model Naïve Bayes menghasilkan accuracy sebesar 35,48%, precision 32,22%, recall 35,48%, dan F1-score 29,94%. Hasil tersebut menunjukkan bahwa meskipun Tick VolumeBased Bars menghasilkan distribusi data yang lebih stabil, fitur yang digunakan belum mampu membedakan arah pergerakan harga emas secara optimal.