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: ichsan.ing@gmail.com

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: ichsan.ing@gmail.com

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.