PREDIKSI PERGERAKAN HARGA FOREX MENGGUNAKAN METODE NAÏVE BAYES
DOI:
https://doi.org/10.51804/ucaiaj.v3i2.65-70Keywords:
prediksi, naïve bayes, forex, phpAbstract
Bagi seorang trader, mengetahui pergerakan harga forex di periode waktu selanjutnya adalah hal yang sangat berguna, maka dibutuhkan teknik untuk melakukan prediksi. Walaupun dalam prediksi ada ketidakpastian yang terjadi karena beberapa faktor yang menyebabkan harga forex bergerak. Algoritma Naïve Bayes adalah algoritma klasifikasi yang mampu untuk melakukan prediksi dan berbasis probabilitas. Dengan mempelajari data yang ada di masa lalu, algoritma ini berusaha untuk melakukan prediksi untuk pergerakan harga di periode waktu selanjutnya sehingga bisa membantu trader untuk mengambil keputusan yang tepat. Data forex yang diolah bersumber dari www.investing.com dari tanggal 11 Desember - 28 Februari 2019. Aplikasi untuk pengolah datanya dibuat dari bahasa PHP. Berdasarkan hasil prediksi untuk bulan Maret yang dilakukan oleh aplikasi yang dibuat, dengan tingkat probabilitas diatas 90% akan menghasilkan tingkat akurasi 100%, dengan hasil tersebut diharapkan dapat membantu para trader untuk meminimalisir resiko yang terjadi ketika melakukan open posisi.
References
Andre. (2013). Tutorial Belajar CSS Part 1: Pengertian CSS, Apa yang dimaksud dengan CSS? | Duniailkom. Retrieved January 13, 2019, from https://www.duniailkom.com/tutorial-belajar-css-part-1-pengertian-css-apa-yang-dimaksud-dengan-css/
Andre. (2017). Tutorial Belajar HTML Dasar Part 1: Pengertian HTML | Duniailkom. Retrieved January 13, 2019, from https://www.duniailkom.com/belajar-html-pengertian-html/
Billah, M. A. (2016). Aplikasi Prediksi Penyelesaian Dompet Kulit Menggunakan Naive Bayes. Universitas Muhammadiyah Sidoarjo: Teknik Informatika.
Exsanudin. (2014). Implementasi jaringan saraf tiruan backpropagation untuk estimasi jumlah produksi gula: Studi kasus PG. Djombang Baru Jombang. Universitas Islam Negeri Maulana Malik Ibrahim: Fakultas Sains dan Teknologi - Teknik Informatika.
Gorunescu, F. (2011). Data Mining: Concepts, Models and Techniques. https://doi.org/10.1007/978-3-642-19721-5
Guntur, M., Santony, J., & Yuhandri. (2018). Prediksi Harga Emas dengan Menggunakan Metode Naïve Bayes dalam Investasi untuk Meminimalisasi Resiko. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 2(1), 354–360. https://doi.org/10.29207/resti.v2i1.276
Herdianto. (2013). Prediksi Kerusakan Motor Induksi Menggunakan Metode Jaringan Saraf Tiruan Backpropagation. Universitas Sumatera Utara: Fakultas Teknik - Teknik Elektro.
IDCloudHost. (2017). Mengenal Pengertian dan Konsep OOP / Object Oriented Programming | IDCloudHost. Retrieved January 13, 2019, from https://idcloudhost.com/panduan/mengenal-pengertian-dan-konsep-oop/
Investing.com. (2019). Data Historis GBP USD - Investing.com. Retrieved January 13, 2019, from https://id.investing.com/currencies/gbp-usd-historical-data
Marikxon. (2014). Apa itu Forex: Pengertian Forex, Fungsi, dan Pelaku Dalam Pasar Forex. Retrieved January 13, 2019, from https://www.maxmanroe.com/apa-itu-forex.html
Rasjid, F. E. (2014). Bahasa Pemrograman Populer PHP. Retrieved from https://www.ubaya.ac.id/pdf/articles_detail/144/Bahasa-Pemrograman-Populer-PHP.pdf
Saputri, L. (2016). Implementasi Jaringan Saraf Tiruan Radial Basis Function (RBF) pada Peramalan Foreign Exchange (FOREX). Universitas Pendidikan Indonesia: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam - Program Studi Ilmu Komputer.
Septiani, W. D. (2017). Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 dan Naive Bayes untuk Prediksi Penyakit Hepatitis. Jurnal Pilar Nusa Mandiri, 13(1).
Suyanto. (2018). Machine Learning: Tingkat Dasar dan Lanjut. Bandung: Informatika.
Downloads
Published
Issue
Section
License
With the receipt of the article by UCaiAJ Editorial Board and the decision to be published, the copyright regarding the article will be transferred to UCaiAJ. The copyright transfer form can be downloaded here.
UCaiAJ has the right to multiply and distribute the article and every author is not allowed to publish the same article that was published in this journal.
UCaiAJ is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Under the following terms:
Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
