Penerapan Metode Moving Average (MA) Berbasis Algoritma Support Vector Machine (SVM) untuk Membandingkan Pola Kurva dengan Trend Kurva pada Trading Forex Online

Irfan Abbas

Abstract


Bursa valuta asing atau forex adalah tempat dimana mata uang dari suatu negara diperdagangan dengan mata uang negara lainnya. Perdagangan berlangsung secara global antara pusat-pusat keuangan dunia, dengan melibatkan bank-bank utama dunia sebagai pelaksana utama transaksi. Trader yang melakukan investasi di pasar valuta asing dituntut untuk memiliki kemampuan menganalisis keadaan dan situasi dalam memprediksi  nilai tukar mata uang. Pergerakan harga forex atau saham yang membentuk kurva sangat membantu para trader dalam pengambilan keputusan, pergerakan kurva dijadikan sebagai salah satu indikator dalam pengambilan keputusan untuk beli (buy) atau jual (sell). Penelitian ini menggunakan algoritma Support Vector Machine (SVM) untuk membandingkan pola  kurva, kemudian dataset dari algoritma SVM diproses menggunakan metode Moving Average (MA) untuk membentuk kurva kedua. Hasilnya trend kurva yang dihasilkan algoritma Support Vector Machine dan Metode Moving Average  membentuk kurva yang sama dengan kurva live online pada GBPUSD, 1H.


Keywords


trading f orex, support vector machine , moving average , prediksi , p oun d sterling, dollar

References


Abdul Syukur; Catur Supriyanto; R. Hadapiningradja Kusumodestoni;, “Model Neural Network Berbasis Adaboost Untuk Prediksi Bisnis Forex,” dalam Conference and workshop intelegent system and bussines intelegence (cowisbi) 2012, Semarang-indonesia, 2012.

Sheng-Wei Fei; Yu-Bin Miao; Cheng-Liang Liu, “Chinese Grain Production Forecasting Method Based on Particle Swarm Optimization-based Support Vector Machine,” Recent Patents on Engineering, vol. 3, no. 1, pp. 8-12, 2009.

Ding-Zhou Cao; Su-Lin Pang; Yuan-Huai Bai;, “Forecasting Exchange Rate Using Support Vector Machines,” Dalam Proceedings Of The Fourth International Conference On Machine Learning And Cybernetics, Guangzhou, 2005.

Joaquin Qui˜nonero; Candela ; Lars Kai Hansen;, “Time series prediction based on the Relevance Vector Machine with adaptive kernels,” dalam Acoustics, Speech, and Signal Processing (ICASSP), 2002 IEEE International Conference, Denmark, 2002.

Kyoung-jae Kim, “Financial time series forecasting using support vector machines,” Neurocomputing , vol. 5, no. 5, p. 307 – 319, 2003.

Nugroho Dwi S, “Penerapan Algoritma Support Vector Machine untuk Prediksi Harga Emas,” Informatika UPGRIS, vol. 1, no. 1, pp. 10-19, 2015.

Novian Anggis Suwastika; Praditya Wahyu W; Tri Broto Harsono;, “Model Prediksi Simple Moving Average Pada Auto-Scaling Cloud Computing,” Jurnal Ilmiah Teknologi Informasi Terapan, Vol. 1, No. 3, Pp. 37-44, 2015.

Andri Rahmadhani; Mohammad Mandela; Timoty Paul; Sparisoma Viridi;, “Prediksi Pergerakan Kurva Harga Saham dengan Metode Simple Moving Average Menggunakan C++ dan Qt Creator,” dalam Prosiding Seminar Kontribusi Fisika , Bandung-Indonesia, 2011.

Andri Rahmadhani; Mohammad Mandela; Timoty Paul ; Sparisoma Viridi;, “Prediksi Pergerakan Kurva Harga Saham dengan Metode Simple Moving Average Menggunakan C++ dan Qt Creator,” dalam Prosiding Seminar Kontribusi Fisika 2011 (SKF 2011), Bandung, Indonesia, 2011.

Kyoung-jae Kim∗, “Financial time series forecasting using support,” Neurocomputing , vol. 5, no. 5, p. 307 – 319, 2003.

faculty of computer science, “filkom,” [Online]. Available: filkom.ub.ac.id/doro/download/article. [Diakses Minggu Januari 2016].

Budi Santosa, “Google Scholar,” 2010. [Online]. Available: Https://Scholar.Google.Co.Id/Citations?User=Vdsdoykaaaaj&Hl=En. [Diakses Senin Februari 2016].

Cesar Souza, “Kernel Functions for Machine Learning Applications,” March 2010. [Online]. Available: http://crsouza.com/2010/03/kernel-functions-for-machine-learning-applications/#anova. [Diakses Senin Februari 2016].




DOI: http://dx.doi.org/10.33096/ilkom.v8i1.20.37-43

Article Metrics

This article has been viewed : 626 times
PDF (Bahasa Indonesia) files viewed : 1478 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
ILKOM Jurnal Ilmiah work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.