sistem pendukung keputusan untuk open position
TRANSCRIPT
SISTEM PENDUKUNG KEPUTUSAN UNTUK OPEN POSITION
PADA COMMODITY MARKET BERDASARKAN PIVOT HARIAN
DENGAN METODE NAIVE BAYES
Makalah
Program Studi Teknik Informatika
Fakultas Komunikasi dan Informatika
Diajukan Oleh :
Ichsan Nur Ghofur
Umi Fadillah, S.T.,M.Eng.
Agus Supardi, S.T.,M.T.
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS KOMUNIKASI DAN INFORMATIKA
UNIVERSITAS MUHAMMADIYAH SURAKARTA
OKTOBER, 2013
SISTEM PENDUKUNG KEPUTUSAN UNTUK OPEN POSITION PADA
COMMODITY MARKET BERDASARKAN PIVOT HARIAN DENGAN
METODE NAIVE BAYES
Ichsan Nur Ghofur, Umi Fadillah, Agus Supardi
Department of Informatics, Faculty of Communications and Informatics,
Muhammadiyah University of Surakarta
Email: [email protected]
ABSTRACT
Running an online commodity business with the right strategy then someone will get a great income, using pivot points strategy can be seen where the
price will move the line making it easier for investors to make decisions for the open position. The purpose of decision -making support system for the open
position on the commodity market with a daily pivot based Naive Bayes method is to help support decision making for investors when determining the open position. Naive Bayes method which will be used as the theoretical basis for the calculation
of the weighting of each factor and the criteria that have been provided. The system is built with PHP and MySQL as database. This decision support system successfully built and tested in accordance with the draft that has been made.
Based on the results of experiments performed by 25 % obtained results are expressed strongly agree and 40 % agree in terms of the benefits program. It is
proved that the system can meet the needs of potential users of the decis ion support system .
Keywords : Commodity, Decision Support Systems, Naive Bayes,
Open Position, Pivot Point
SISTEM PENDUKUNG KEPUTUSAN UNTUK OPEN POSITION PADA
COMMODITY MARKET BERDASARKAN PIVOT HARIAN DENGAN
METODE NAIVE BAYES
Ichsan Nur Ghofur, Umi Fadillah, Agus Supardi
Teknik Informatika, Fakultas Komunikasi dan Informatika,
Universitas Muhammadiyah Surakarta
Email: [email protected]
ABSTRAKSI
Menjalankan bisnis commodity online dengan strategi yang benar maka seseorang akan mendapatkan penghasilan yang besar, dengan menggunakan
strategi pivot point dapat diketahui garis dimana harga akan bergerak sehingga memudahkan investor untuk mengambil keputusan untuk open position. Tujuan
dari pembuatan sistem pendukung keputusan untuk open position pada commodity market berdasarkan pivot harian dengan metode naive bayes ini adalah untuk membantu mendukung pengambilan keputusan bagi investor saat menentukan
open position. Metode naive bayes yang akan digunakan sebagai teori dasar untuk melakukan perhitungan pembobotan dari tiap faktor dan kriteria yang telah disediakan. Sistem ini dibangun dengan bahasa pemrograman PHP dan MySQL
sebagai basis data. Sistem pendukung keputusan ini berhasil dibangun dan diuji coba sesuai dengan rancangan yang telah dibuat. Berdasarkan hasil uji coba yang
dilakukan diperoleh hasil sebesar 25% yang menyatakan sangat setuju dan 40% menyatakan setuju dari segi manfaat progam. Hal ini membuktikan bahwa sistem ini dapat memenuhi kebutuhan dari calon pengguna sistem pendukung keputusan
ini.
Kata kunci : Commodity, Naive Bayes, Open Position, Pivot Point,
Sistem Pendukung Keputusan
A. PENDAHULUAN
Manusia mempunyai
kebutuhan yang mutlak harus
dipenuhi, karena itu manusia berusaha
untuk memenuhi kebutuhan dengan
berbagai macam cara. Salah satu
usaha manusia adalah dengan bekerja
atau istilah populernya adalah
berbisnis. Bermacam-macam bisnis
dilakoni untuk mendapatkan hal yang
menjadi kebutuhan hidupnya.
Berkembangnya teknologi
yang pesat memberikan fasilitas yang
sangat memudahkan manusia untuk
melakukan aktivitas tanpa susah
payah. Salah satunya adalah media
internet. Internet memudahkan untuk
melakukan sesuatu tanpa perlu
beranjak dari tempat duduk. Begitu
juga dalam dunia bisnis, internet juga
bisa dimanfaatkan untuk mengelola
bisnis serta usaha dalam mendapatkan
kebutuhan. Bisnis menggunakan
internet biasa disebut dengan bisnis
online.
Dunia bisnis online sekarang
telah berkembang pesat dan sangatlah
menarik perhatian semua orang untuk
bersaing mendapatkan keuntungan
yang besar dalam dunia bisnis ini.
Salah satunya adalah bisnis
commodity online yang sedang marak
diperbincangkan dalam dunia bisnis,
karena commodity apalagi emas ini
sering digunakan untuk sebuah
strategi headging bagi para investor.
Dalam bisnis ini investor
melakukan open position untuk
menentukan posisi mereka sesuai
dengan pergerakan harga pada
market. Jika investor melakukan open
position dengan tepat sesuai arah
trend pada market, maka akan
membuahkan profit yang besar.
Untuk menentukan pergerakan market
ada dua jenis analisis yang digunakan
yaitu analisis fundamental dan
analisis teknikal. Analisis
fundamental adalah analisis yang
didasarkan pada situasi dan kondisi
ekonomi, politik dan keamanan secara
global dan juga tiap-tiap negara yang
mengeluarkan indeks saham. Pada
prinsipnya analisis fundamental
membutuhkan kelihaian seni
tersendiri untuk memperhitungkan
penting tidaknya suatu informasi
menjadi faktor yang akan
berpengaruh terhadap fluktuasi nilai
tukar suatu mata uang, sedangkan
analisis teknikal menggunakan
beberapa prinsip dasar yaitu pertama
sejarah biasanya akan terulang lagi,
sehingga pola pergerakan pasar pun
dapat diketahui. Kedua, harga pasar
mampu merefleksikan kondisi
kejadian yang mempengaruhinya,
baik secara internal maupun eksternal.
Ketiga, harga pasar akan selalu
mengikuti trend, baik trend naik
maupun trend turun, sehingga harga
saham pun akan sangat tergantung
oleh isu. Secara ringkas studi teknikal
kebanyakan studi dari aksi pasar yaitu
efek yang ditimbulkan dari
pergerakan pasar. Analisis yang
digunakan oleh penulis dalam sistem
pendukung keputusan untuk open
position ini adalah analisis teknikal.
Banyak strategi dalam analisis
teknikal yang digunakan dalam
menjalankan commodity ini, pivot
point adalah letak suatu level harga
secara relatif terhadap situasi dan
dinamika pasar yang terjadi, maka
bisa menjadi suatu strategi yang
cocok bagi semua tipe trading
investor. Tetapi strategi menggunakan
pivot point jarang digunakan karena
investor kurang percaya diri dalam
menentukan strategi sehingga banyak
investor menggunakan strategi orang
lain yang terlalu rumit bahkan belum
tentu cocok bagi investor itu sendiri.
Sistem pendukung keputusan untuk
open position pada commodity market
berdasarkan pivot harian dengan
naive bayes ini dapat dijadikan
sebagai sistem untuk membantu
mendukung pengambilan keputusan
bagi para investor saat menentukan
open position.
B. TINJAUAN PUSTAKA
Handini (2012), meneliti
tentang sistem pendukung keputusan
menentukkan lokasi rumah makan
yang strategis. Tujuan aplikasi ini
adalah membuat sistem yang dapat
melakukan penilaian untuk
mendapatkan suatu keputusan bagi
pengguna dalam memilih tempat
untuk membuka rumah makan
berdasar strategis atau tidaknya
tempat itu. Metode naive bayes
digunakan sebagai pendekatan
statistik untuk melakukan inferensi
induksi pada persoalan klasifikasi,
metode ini menggunakan probabilitas
bersyarat sebagai dasarnya. Hasil dari
sistem berupa nilai rekomendasi yang
sesuai dengan kriteria yang dimiliki.
Penelitian ini menghasilkan sebuah
sistem yang memberikan kemudahan
bagi pengusaha yang ingin mencari
tempat yang strategis untuk membuka
rumah makan.
Yuliana (2010), meneliti
tentang perubahan nilai indeks saham
di Bursa Efek Indonesia (BEI) karena
dipengaruhi oleh beberapa faktor
makro ekonomi dalam negeri, antara
lain inflasi, nilai tukar rupiah terhadap
dollar dan suku bunga SBI (Sertifikat
Bank Indonesia). Model
Autoregresive Conditional
Heteroscedasticity (ARCH) dengan
sifat heteroskedastik Index Harga
Saham Gabungan (IHSG) dapat
menjadi pertimbangan dalam
pengambilan keputusan dan kebijakan
para pemegang saham. Hasil dari
sistem ini berupa prediksi indeks
harga saham gabungan dengan
menggunakan Autogresive
Conditional Heteroscedasticity
(ARCH).
Dengan acuan penelitian
diatas penulis membuat sebuah sistem
pendukung keputusan untuk
membantu para investor menentukan
open position pada pasar commodity
online dengan menerapkan strategi
pivot point dalam menentukan
keputusan.
C. METODE PENELITIAN
1. Dokumetasi
Karena penulis menggunakan
metode naive bayes, maka perlu data
yang sangat banyak untuk
menjalankan sistem ini. Pengumpulan
data sebagai berkas dengan cara
mengumpulkan riwayat trading
sebanyak mungkin agar prediksi yang
dikeluarkan sistem lebih mendekati
kebenaran.
2. Waterfall
Metode waterfall seperti yang
diilustrasikan pada Gambar 1.:
Gambar 1. Metode waterfall
Model waterfall adalah model
klasik yang bersifat sistematis,
berurutan dalam membangun
software. Model ini melakukan
pendekatan secara sistematis dan
berurutan. Disebut dengan waterfall
karena tahap demi tahap yang dilalui
harus menunggu selesainya tahap
sebelumnya dan berjalan berurutan.
Waterfall adalah suatu
metodologi pengembangan perangkat
lunak yang mengusulkan pendekatan
kepada perangkat lunak sistematik
dan sekuensial yang mulai pada
tingkat kemajuan sistem pada seluruh
analisis, design, kode, pengujian dan
pemeliharaan.
(http://cisenaextreme99.blogspot.com
/2013/06/metode-waterfall-menurut-
pressman.html)
3. Naive Bayes
Menyusun struktur Naive
bayes akan memudahkan dalam
proses pengambilan keputusan.
Persoalan yang akan diselesaikan,
diuraikan menjadi unsur-unsur, yaitu:
kriteria. Penilaian kriteria pada sistem
pendukung keputusan ini dilakukan
dengan metode langsung (direct),
yaitu metode yang digunakan untuk
memasukkan data kuantitatif.
Naive bayes Merupakan
pengklasifikasian dengan metode
probabilitas dan statistik
(memprediksi peluang di masa depan
berdasarkan pengalaman di masa
sebelumnya).
Tahapan Algoritma:
a) Pada sebuah dataset, setiap
baris/dokumen diasumsikan
sebagai vektor dari nilai-nila i
atribut <x1,x2,...,x3> dimana tiap
nilai-nilai menjadi peninjauan
atribut Xi (iЄ[1,n]))
b) Setiap baris mempunyai labe l
kelas ci Є {c1,c2,…,ck} sebaga i
nilai variabel kelas C, sehingga
untuk melakukan klasifikas i
dapat dihitung nila i
probabilitas p(C=ci|X=x j)
c) Dikarenakan pada naive bayes
diasumsikan setiap atribut saling
bebas, maka persamaan yang
didapat adalah sebagai berikut :
Peluang p(C=ci|X=xj)
menunjukkan peluang bersyarat
atribut Xi dengan nilai xi
diberikan kelas c. Kelas C bertipe
kualitatif sedangkan atribut Xi
dapat bertipe kualitatif ataupun
kuantitatif.
(http://education-programmer.
blogspot.com/2013/01/naive-bayes-
algorithm_22.html)
4. Quisioner
Perhitungan quisioner
menggunakan rumus persamaan:
Skor Ideal / Skor Maksimum
(SMax) = 5 x n = 5n (SS) …(1)
Skor Minimum
(SMin) = 1 x n = n (STS) …(2)
n = total responden
Skor (S) = ∑ (Jumlah Responden
Pemilih Jawaban x Bobot Jawaban)
Prosentase Interpretasi
(P) = Skor (S) x 100% …(3)
SMax
Prosentase Interpretasi (P) Skor
adalah sebagai berikut:
a. 81 – 100 (sangat kuat)
b. 61 - 80 (kuat)
c. 41 - 60 (cukup)
d. 21 – 40 (lemah)
e. 0 - 20 (sangat lemah)
D. HASIL DAN PEMBAHASAN
i. Beranda User
Beranda user adalah halaman
pertama web ketika web baru saja
dibuka, ketika web tersebut dibuka
maka akan tampil seperti Gambar 2.
di bawah ini :
Gambar 2. Halaman beranda website
ii. Cara Penggunaan
Halaman ini merupakan
petunjuk bagaimana cara
menggunakan aplikasi yang ada pada
web ini sehingga memudahkan user
yang belum pernah sama sekali
menggunakannya, halaman cara
penggunaan dapat dilihat pada
Gambar 3. :
Gambar 3. Halaman cara
penggunaan
iii. Perhitungan Pivot Point
Kalkulasi adalah proses
penggunaan program ini mulai, yang
harus dilakukan user adalah isikan
open, low, close dan high. Tampilan
halaman dapat dilihat pada Gambar 4.
dibawah ini:
Gambar 4. Halaman perhitungan
pivot point
Gambar 4. adalah contoh
harga yang diisikan oleh user dan jika
sudah diisikan maka kemudian klik
tombol calculate, Setelah di klik maka
akan muncul daftar harga yang sesuai
dengan range dan rumus yang
dimasukkan seperti Gambar 5. berikut
ini :
Gambar 5. Hasil perhitungan
angka-angka yang diinputkan
dengan rumus yang diprogamkan
dalam script. Script selengkapnya
dapat dilihat di lampiran.
Jika proses perhitungan sudah
selesai maka user harus memasukkan
harga yang terjadi pada saat ini, lihat
Gambar 6. berikut:
Gambar 6. Halaman input harga saat
ini
Apabila sudah di masukkan
maka klik lagi tombol calculate
dimana setelah itu akan muncul lagi
sebuah proses baru dimana terdapat
status dn posisi harga yang telah
diketahui, disini user hanya perlu
memilih trend yang yang terjadi,
tampilan dapat dilihat pada Gambar 7.
dibawah ini:
Gambar 7. Hasil dari memasukkan
harga
Lalu setelah user memilih tren
yang terjadi maka klik tombol get
result dimana tombol ini kana
menampilkan keputusan sesuai
dengan algoritma naive bayes seperti
Gambar 8.:
Gambar 8. Hasil proses
Gambar 8. adalah bentuk
tampilan hasil dari perhitungan yang
dilakukan oleh sistem dan dapat
dijadikan keputusan bagi para
pebisnis online untuk menentukan
langkahnya
iv. Input data admin
Input data admin merupakan
hak akses yang di lakukan oleh admin
dimana admin harus memasukkan
username dan password, tampilan
halaman bisa dilihat pada Gambar 9. :
Gambar 9. Login admin
Apabila seorang admin salah
dalam memasukkan username dan
password maka akan muncul
peringatan, tampilan halaman bisa
dilihat pada Gambar 10. :
Gambar 10. Salah memasukkan
username dan password
v. Input data Experience
Input data experince merupakan
hak akses dari admin dimana admin
bisa menambah data untuk history
dan pengolahan sistem caranya
dengan isikan semua field yang ada di
form experience setelah itu klik
submit maka akan tambil peringatan
data telah masuk seperti Gambar 11.
di bawah:
Gambar 11. Berhasil memasukkan
data
vi. User Setting
User setting ini digunakan oleh
admin untuk memperbaharui
username dan password yang dia
gunakan, tampilan halaman bisa
dilihat pada Gambar 12. :
Gambar 12. User Setting
vii. About
About adalah fasilitas website
ini yang digunakan untuk
menampilkan profil dari website ini,
tampilan halaman bisa dilihat pada
Gambar 13. :
Gambar 13. About
Fasilitas ini juga bisa
digunakan untuk mengetahui siapa
pemilik dari website dan contact yang
bisa dihubungi.
Hasil Quisioner
Berdasarkan hasil kuisioner
yang dibagikan kepada 20 responden
yang terdiri dari user (investor) dan
mahasiswa informatika maka dapat
dilihat menggunakan grafik seperti
pada Gambar 14.
Gambar 14. Grafik hasil kuisioner
Berdasarkan hasil dari Gambar
14. untuk mengetahui persentase lebih
detail tentang hasil kuisioner terhadap
responden. Pengisian kuisioner dari
20 responden yang meliputi investor
dan mahasiswa mendapatkan hasil
persentase interprestasi berdasarkan
persamaan 1,2, dan 3 sebagai berikut :
1. Hasil persentase untuk
interface/tampilan sistem yaitu :
6 responden menyatakan
tampilan sistem pendukung
keputusan sangat baik (SB), 8
responden menyatakan tampilan
baik (B), dan 6 responden
menyatakan sedang (S). Dalam
Persentase interprestasi sebesar
80%, membuktikan pernyataan
ini kuat bahwa tampilan
aplikasi sistem pendukung
keputusan ini baik atau
menarik.
2. Hasil persentase untuk menu
yang tersedia dalam sistem
yaitu : 6 responden menyatakan
menu yang tersedia dari sistem
pendukung keputusan ini sangat
baik (SB), 12 responden
menyatakan baik (B) dan 6
responden menyatakan sedang
(S). Dalam Persentase
interprestasi sebasar 76% dapat
diartikan bahwa menu yang
tersedia dalam aplikasi sistem
pendukung keputusan ini sudah
bagus dengan pernyataan yang
kuat.
3. Hasil persentase untuk
Informasi pada cara
penggunaan yaitu : 3 responden
menyatakan untuk informasi
pada menu cara penggunaan
pada sistem penunjang
keputusan ini sudah sangat baik
(SB), 8 responden menyatakan
baik (B) dan 9 responden
menyatakan sedang (S). Dalam
Persentase interprestasi sebasar
74% dapat diartikan bahwa
informasi pada menu cara
penggunaan pada aplikasi
sistem penunjang keputusan ini
masih sedang atau belum
lengkap dibuktikan dengan
pernyataan yang kuat.
4. Hasil persentase penggunaan
sistem pendukung keputusan
yaitu : 2 responden menyatakan
penggunaan sistem pendukung
keputusan sangat baik (SB), 9
responden menyatakan baik (B),
dan 9 responden menyatakan
sedang (S). Dalam Persentase
interprestasi sebasar 73% dapat
diartikan bahwa penggunaan
sistem pendukung keputusan ini
masih sedang atau belum
lengkap dengan pernyataan
yang kuat.
5. Hasil persentase untuk Tata
letak menu pada sistem
pendukung keputusan yaitu : 8
responen menyatakan Sistem
pendukung keputusan untuk
open position pada commodity
market ini sangat baik (SB), 9
responden menyatakan baik (B)
dan 3 responden menyatakan
sedang (S). Dalam Persentase
interprestasi sebasar 85% dapat
diartikan bahwa tata letak menu
di sistem pendukung keputusan
ini sudah baik dibuktikan
dengan pernyataan yang sangat
kuat.
6. Hasil persentase untuk Manfaat
sistem yaitu : 5 responden
menyatakan sistem penunjang
keputusan ini sangat baik (SB),
10 responden menyatakan baik
(B) dan 5 responden
menyatakan sistem penunjang
keputusan ini Sedang (S).
Dalam Persentase interprestasi
80%, atau dengan kata lain
menyatakan secara kuat bahwa
sistem penunjang keputusan ini
bermanfaat bagi user
(pengguna).
E. KESIMPULAN
Berdasarkan hasil penelitian
dan pembahasan yang telah
dilakukan, dapat disimpulkan bahwa:
a. Pembuatan aplikasi sistem
pendukung keputusan untuk
open position pada commodity
market menggunakan
algoritma Naive bayes, bahasa
pemrogaman PHP, serta
MySQL sebagai basis datanya.
b. Sistem pendukung keputusan
ini telah di uji coba kepada
investor, dan telah terbukti
membantu investor dalam
mengambil keputusan,
dibuktikan dengan menyebar
angket yang diisikan oleh
responden.
c. Sistem ini merupakan aplikasi
berbasis web sehingga dapat
diakses secara online
kapanpun dan dimanapun.
Investor dengan mudah dapat
mengakses sistem pendukung
keputusan ini untuk
mengetahui sebuah keputusan
dari posisi harga, status dan
tren yang di hadapi.
DAFTAR PUSTAKA
Handini, Rosiana.2012.” Sistem Pendukung Keputusan Menentukkan Lokasi
Umah Makan Yang Strategis Menggunakan Metode Naive Bayes”.seminar
nasional.STMIK Widya Cipta Dharma:Semarang
Rahman, Hidayatul.2013.”Naive Bayes Algorithm”.http://education-
programmer.blogspot.com/2013/01/naive-bayes-
algorithm_22.html.diakses jam 10.50 WIB tanggal 2 juni 2013.
Yuliana, Ina.2010.”Prediksi Indeks Harga Saham Gabungan Dengan Model
Autoregressive Conditional Heteroscedasticity”.skripsi. Universitas
Diponegoro:Semarang.
Ruhiat, Ade.2013.”Metode Waterfall Menurut Pressman & Somerfille
2010“.http://cisenaextreme99.blogspot.com/2013/06/metode-waterfall-
menurut-pressman.html.diakses jam 08.59 WIB tanggal 12 oktober 2013.