komparasi algoritma

7/25/2019 Komparasi Algoritma

1/5

Komparasi Algoritma Dalam Memprediksi Kurs Valuta Asing

Mata Uang Dollar Amerika Terhadap Yen Jepang (USD/JPY)

Habib Firdausi Comara

FakultasIlmuKomputer, Universitas Dian Nuswantoro

habibfirdausic@mail!com

Astrak

Fore" #Forein $"chane% atau lebih dikenal denan valuta asin adalah perdaanan

mata uan asin dari berbaai neara! Nilai suatu kurs &an berubah'ubah, membuat trader

atau oran &an melakukan perdaanan nilai mata uan memanfatkann&a untuk meraup

keuntunan! Keuntunan didapat dari selisih hara (ual dan hara beli pada saat perdaanan!

Untuk itulah perlu adan&a prediksi nilai hara sekaran &an didasarkan atas nilai hara hari

sebelumn&a dan aloritma terbaik &an dapat menampilkan hasil palin akurat! )loritma&an akan dibandinkan performan&a adalah *inear +eression #*+%, Neural Network #NN%,

dan upport -ector .achine #-.%! Hasil perbandinan analisa performa +oot .ean

/uared $rror menun(ukkan, aloritma Neural Network #NNs% menun(ukkan &an terbaik

denan +oot .ean /uared diikuti upport -ector .achine #-.% dan &an terakhir

*inear +eression #*+%!

Kata Kun!i" kurs# $aluta asing# prediksi# perandingan

%& P'DAU*UA.ata uan memiliki peranan pentin bai kelansunan perekonomian luar neeri

dan bisnis suatu neara! Fore" #Forein $"chane% atau lebih dikenal denan valuta asin

adalah perdaanan mata uan asin dari berbaai neara! Nilai suatu kurs &an berubah '

ubah, membuat trader atau oran &an melakukan perdaanan nilai mata uan

memanfatkann&a untuk meraup keuntunan!

Dollar )merika #UD% merupakan mata uan &an ban&ak dipakai di berbaai dunia!

Hampir di semua aspek industri dan perdaanan berpatokan denan dollar )merika! 0en

1epan adalah mata uan &an palin mudah diperdaankan di kawasan )sia! 2enaruh

kekuatan pererakan ekonomi di 1epan akan berpenaruh denan mata uan &en!

Fore" mempun&ai sifat perdanan &an sanat unik &aitu3

a! 4ila hara naik, maka trader membeli pada saat hara sedan rendah untuk

selan(utn&a di(ual kembali pada saat hara lebih tini dari hara pada saat

membeli!
mailto:[email protected]:[email protected]


2/5

b! 4ila hara turun, maka trader akan men(ual terlebih dahulu saat hara sedan

tini untuk selan(utn&a membeli kembali kembali saat hara lebih rendah pada

saat men(ual!

Keuntunan didapat dari selisih hara (ual dan hara beli pada saat perdaanan! Untuk itulah

perlu adan&a prediksi nilai hara sekaran &an didasarkan atas nilai hara hari sebelumn&a

dan aloritma terbaik &an dapat menampilkan hasil palin akurat!

+& USU*A K',A-KA K.MPA,AS

perbandinan akan dilakukan menunakan 5 aloritma &akni *inear +eression #*N%

Neural Network #NN%, dan upport -ector .achine #-.%! 2erbandinan aloritma tersebut

untuk menukur performa terbaik dalam memprediksi hara kurs pasanan mata uan Dollar

)merika terhadap 0en 1epan!

-alidasi model menunakan 67 fold cross validation dimana data akan dibai dalam 67

baian, kemudian akan diproses 67 kali sebaai data tranin dan data testin!

8abel 6! 67 fold cross validation

-alidasi 2artisi dataset

69

5

:

;

?

67

Hasil penukuran performa menunakan +oot .ean /uared $rror untuk mencari nilai

terndah kemudian analisa u(i beda menunakan 88est untuk mendapatkan hasil

perbandinan performa terbaik dalam memprediksi hara kurs pasanan mata uan!

0& DATAS'T

Dataset &an diunakan adalah data kurs pasanan mata uan Dollar )merika denan

0en 1epan #UDA120% antara tanal 6 )pril 976; ' 65 .ei 976; &an didapat dari histor&

chart perusahaan tradin $"ness!


3/5

Bambar 6! Dataset kurs harian mata uan Dollar )merika terhadap 0en 1epan #UDA120%

)tribut dari dataset hara kurs mata uan Dollar )merika denan 0en 1epan &akni Date,

pen, Hih, *ow dan -olume! pen adalah hara pembukaan , Hih dan *ow adalah hara

tertini dan terendah &an pernah dicapai, sedankan -olume adalah (umlah transaksi &an

tercatat! Close sebaai label &an akan diprediksi haran&a adalah hara penutupan!

1& AS*

$ksperimen dilakukan menunakan sebuah laptop denan prosessor berbasis

Intel Core I; 9!: Bh C2U, :,77 B4 +)., dan s&stem operasi Eindows = Ultimate

59bit! Software &an diunakkan adalah+apid.iner

Hasil penukuran performa dilihat dari +oot .ean /uared $rror, &akni Neural

Network #NNs% menun(ukkan tinkat performa palin tini denan nilai +.$

0.229 +/- 0.026diikuti upport -ector .achine #-.% denan 0.303 +/- 0.076

dan &an terakhir *inear +eression #*+% denan 0.314 +/- 0.071


4/5

8abel 9! 8abel hasil +.$

Hasil u(i beda

menunakan

88est NN menun(ukkan hasil &an terbaik untuk memprediksi kurs mata uan

UDA120, diikuti -. dan *+! Namun antara -. dan *+ menun(ukan hasil

perbedaan &an tidak sinifikan

NN

0.229 +/- 0.026

SVM

0.303 +/- 0.076

LR

0.314 +/- 0.071

NN0.229 +/- 0.026

0.010 0.002

SVM

0.303 +/- 0.076

0.743

LR

0.314 +/- 0.071

2& K'SMPU*AHasil penukuran performa dilihat dari +oot .ean /uared $rror, &akni Neural

Network #NNs% menun(ukkan tinkat performa palin tini denan nilai +.$

0.229 +/- 0.026diikuti upport -ector .achine #-.% denan 0.303 +/- 0.076

dan &an terakhir *inear +eression #*+% denan 0.314 +/- 0.071. Hasil u(i beda

menunakan 88est menun(ukkan NN merupakan aloritma terbaik untuk memprediksi kurs

mata uan UDA120, diikuti -. dan *+! Namun antara -. dan *+ menun(ukan hasil

perbedaan &an tidak sinifikan!

DA3TA, PUSTAKA

SVM *,

0.229 +/-

0.026

0.303 +/-

0.076

0.314 +/- 0.071


5/5

6! )chmad olechan, orinta hinta!, Ka(ian Komparasi )rtificial Neural Network Dan

+eresi *inier Dalam .emprediksi Hara aham Denan .empertimbankan Faktor

Fundamental 2ada ektor Industri! eminar Nasional 8eknoloi Informasi G

Komunikasi 8erapan 9769 #emantik 9769%

9! Hasbi Yasin, Alan Prahutama, Tiani Wahu !tami.,Pr"#i$si Har%a

&aham '"n%%una$an &u(()rt *"t)r "%r"ssi)n "n%an Al%)ritmari# &"arh.,'"#ia &tatisti$a, *)l. 7, ). 1, uni 2014 29-3

5! ur&a )tma(a!, 9769!,2erbandinan .etode Kemunkinan .aksimum Dan )nalisis

8echnical 2ada Nilai 8radin 2erusahaan .arketiva!, Universitas 2endidikan

Indonesia

komparasi algoritma

Documents