Jakarta, Indonesia
andikaaji09@gmail.com
Abstrak - Transaksi perdangangan forex pada era sekarang telah mencapai valuasi transaksi sebesar 5 triliun
setiap hari, itu berarti dalam rentang 1 menit ada ratusan bahkan jutaan transaksi perdagangan forex (foreign
exchange) di seluruh dunia, konsep dalam dunia forex ialah setiap orang yang membeli mata uang negara lain
dengan mata uang yang sekarang dihitung berdasarkan nilai kurs pada masing-masing nilai mata uang. Prediksi
dalam forex menjadi hal yang sangat penting mengingat prediksi adalah suatu pandangan harga kedepan dengan
harapan harga yang sebenarnya dapat sesuai dengan pola yang sudah terprediksi. Para trader selalu melihat
harga yang telah lampau serta melihat analisa fundamental diluar analisa teknikal seperti: berita ekonomi,
gejolak politik , pidato para petinggi, sentimen pasar yang sewaktu-waktu dapat memengaruhi pergerakan harga.
Penelitian ini dibangun untuk merancang analisa prediksi pergerakan harga pada pair EURUSD menggunakan
metode Simple Moving Average dan metode SVM (Support Vector Machine) pada dataset dengan rentang waktu
1 januari 2020 – 28 mei 2021, pada metode Simple Moving Average menghasilkan nilai RMSE terhadap data
testing sebesar :0,804,MAPE sebesar: 7,126% pada data training menghasilkan nilai RMSE sebesar:2,057,
MAPE sebesar:0,598% sedangkan pada metode SVM menghasilkan akurasi nilai testing sebesar :37%, f-1 score
sebesar:67,9% pada data training menghasikan akurasi nilai training sebesar: 44%,, f-1score sebesar : 61,1%.
Kata kunci : Forex,Prediksi, SVM, SMA
Abstract - Forex trading transactions in the current era have reached a transaction valuation of 5 trillion every
day, that means in the span of 1 minute there are hundreds of thousands of forex trading transactions around the
world, the concept in the forex world is everyone who buys the currency of another country with the current
currency. calculated based on the exchange rate for each currency value. Prediction in forex is very important
considering that prediction is a future price view with the hope that the actual price will match the predicted
pattern. Traders always look at prices that have ended and look at fundamental analysis outside of technical
analysis such as: economic news, political turmoil, talk of officials, market sentiment which at any time can affect
price movements. This study was built to analyze the prediction of price movements on the EURUSD pair using
the Simple Moving Average method and the SVM (Support Vector Machine) method on a dataset with a time span
of 1 January 2020 - 28 May 2021, the Simple Moving Average method produces an RMSE value of the testing
data of: 0.804, MAPE of: 7.126% on the training data produces an RMSE value of: 2.057, MAPE of: 0.598%
while the SVM method produces an accuracy of testing values of: 37%, f-1 score of: 67.9% on the training data
produces accuracy training value of: 44%, f-1score of: 61.1%.
Keywords : Forex, Prediction, SVM, SMA
1.PENDAHULUAN
Transaksi perdangangan forex pada era sekarang 2. Bagaimana akurasi nilai prediksi metode
telah mencapai valuasi transaksi sebesar 5 triliun SVM (Simple Moving Average) yang
setiap hari(Bank for National Settlement BIS, 2016), dihasilkan terhadap nilai aktual?
itu berarti dalam rentang 1 menit ada ratusan bahkan
jutaan transaksi perdagangan forex (foreign 3. Apa kesimpulan yang didapat dari kedua
exchange) di seluruh dunia. pasar valuta asing adalah metode terhadap nilai aktual yang ada ?
suatu pasar keuangan yang memperdagangkan atau 1.2 Batasan Masalah
mentransaksikan berbagai valuta asing [1]. Menurut Adapun batasan masalah pada penelitian ini adalah:
undang undang nomor 32 tahun 1997 tentang 1. Penelitian ini hanya membahas analisa
perdangangan berjangka komoditi sebagai landasan prediksi berbasis metode terhadap dataset
hukum pelaksanaan bursa kontrak berkangka adalah yang diperoleh, tidak membahas pola bisnis
suatu bentuk kontrak standar untuk membeli atau dari trader, kerjasama bisnis yang dilakukan
menjual Komoditi dalam jumlah, mutu, jenis, tempat atau hasil keuntungan yang didapat oleh
dan waktu penyerahan di kemudian hari yang telah trader pada transaksi perdagangan forex.
ditetapkan, dan termasuk dalam pengertian Kontrak 2. Data historis dan data pihak ketiga/data API
Berjangka ini adalah Opsi atas Kontrak Berjangka yang diambil berasal dari portal website
[2]. konsep dalam dunia forex yang sebenarnya ialah investing.com dan tradingview.com,
transaksi yang dilakukan dalam hitungan sekejap perbedaan data aktual yang dihasilkan pada
pada saat itu juga, baik dalam bentuk pembelian atau masing-masing sumber mungkin bisa terjadi
penjualan pasangan mata uang yang diinginkan/spot mengingat beberapa portal website yang
features. Prediksi forex dapat dilihat dari dua bekerjasama dengan broker mempunyai
parameter analisa teknikal & analisa fundamental. kebijakan pengaturan harga yang ditetapkan
analisa teknikal adalah cara memprediksi pergerakan masing-masing platform
harga pada masa depan menggunakan chart, 1.3 Tujuan Penelitian
persamaan matematis serta indikator teknikal Adapun tujuan yang ingin dicapai oleh penulis
berdasarkan harga yang telah terjadi sebelumnya. adalah sebagai berikut:
sedangkan analisa fundamental adalah grafik 1. Mengetahui nilai prediksi yang dihasilkan
kecenderungan jangka panjang pergerakan suatu oleh metode Simple Moving Average dan
harga yang memiliki periode mingguan, bulanan dan metode SVM (Support Vector Machine)
bahkan tahunan berdasarkan data-data ekomomi terhadap nilai aktual.
yang penting. likuiditas yang tinggi pada pergerakan 2. Melihat pengaruh analisa fundamental dan
harga forex dinilai menjadi persoalan ketika ingin analisa teknikal terhadap pergerakan harga
memprediksi daripada harga pergrakan tersebut. aktual yang ada.
Sejalan dengan masalah terebut Penelitian ini
3. Mengetahu penggunaan sistem aplikasi
dibangun untuk merancang analisa prediksi
analisa prediksi dengan metode Simple
pergerakan harga pada pair EURUSD menggunakan
Moving Average dan SVM (Support Vector
metode Simple Moving Average dan metode SVM
Machine).
(Support Vector Machine) pada dataset dengan
2. TINJAUAN PUSTAKA
rentang waktu 1 januari 2020 – 28 mei 2021,
Penelitian Terkait
diharapkan metode ini dapat memprediksi secara
Berikut merupakan tinjauan pada penelitian
baik terhadap nilai aktual yang sudah terjadi
terdahulu yang relevan atas penelitian ini sebagai
1.1 Rumusan Masalah bagian dari penguatan terhadap masalah yang
dihadapi. Penelitian [3] terhadap optimasi parameter
Permasalahan yang akan dipecahkan pada metode SVM terhadap prediksi nilai tukar rupiah
penelitian skripsi ini adalah: terhadap dollar amerika serikat dengan tujuan
1. Bagaimana akurasi prediksi metode Simple memprediksi nilai tukar rupiah didapatkan hasil pada
Moving Average yang dihasilkan terhadap kernel dot 80,2% untuk training dan testing
nilai aktual?
sebesar:80,4%, Penelitian[4] pada implementasi kemudian pasar eropa yaitu jerman dan inggris yang
SVM pada harga saham gabungan IHSG dengan berlangsung pukul 13.00-22.00 WIB, sampai pada
tujuan memprediksi harga IHSG agar trader dapat pasar forex yang terakhir yaitu pasar amerika serikat
mempunyai keputusan dengan hasil nilai training yang berlangsung pukul 20.30-10.30 WIB.
sebesar:0,211% dan 0,251%, kemudian pada
penelitian [5] APPLICATION OF SUPPORT
VECTOR MACHINE (SVM) METHODS ON
STOCK PRICE FORECASTINGOF PT
TELEKOMUNIKASI INDONESIA TBK dengan
tujuan melihat gambran umum saham dan
memprpediksi pergerakan harga dengan hasil nilai
MAPE<10% predikat baik.
3. METODE PENELITIAN
Perancangan ini menggunakan perancangan
metode peneltian secara konklusif deskriptif, artinya Gambar 1 Waktu Perdagangan Forex
adalah penelitian dirancang atau diramu sebagai alat
bantu pengambilan keputusan bisnis bagi para trader
dalam menentukan serta memilih solusi maupun Pelaku dalam transaksi forex tentunya beragam
alternatif yang terbaik dalam menentukan aksi sesauai dengan peran masing masing dalam dunia
jual/sell dan beli/buy pad sebuah perdagangan mata forex, Menurut [6]Secara umum, pelaku dalam forex
uang forex khusunya pada pasangan mata uang/pair dapat dikategorikan menjadi:
EURUSD. Program memecahkan suatu masalah
dengan menggunakan metode ilmiah yang 1. Bank Komersial
mengumpulkan, menyajikan, serta menganalisis bank komersial yang merupakan pelaku utama
fakta-fakta yang relevan dengan penelitian ini, dari perdagangan forex. Seperti Bank of
sehingga akan terbentuk suatu gambaran yang Amerika, Barclays, Societe Generale, JP
komprehensif mengenai obyek yang diteliti. Hasil Morgan, Citigroup, Deutche bank, UBS serta
analisis tersebut akan diolah menjadi data yang Goldman Sachs. Transaksi dilakukan dalam
selanjutnya diolah sehingga menghasilkan sebuah bentuk jual beli dengan konsumen dari
kesimpula akhir yang ditampilkan bagi para trader kalangan dunia usaha, bank yang lebih kecil,
dalam menentukan arah kebijakan arah bisnis yang pengiriman uang ke seluruh dunia
diambil. 2. Dunia Usaha
3.1 Pasangan Mata Uang EURUSD Perusahaan multinasional seperti Google,
Microsoft, Apple, Samsung, Toyota dan lain-
Pair EURUSD merupakan pasangan mata lain merupakan pelaku utama dalam pasar
uang yang paling banyak dipilih oleh para trader forex.
untuk diperdagangkan di seluruh dunia. Ini dipilih 3. Broker atau pialang
karena kedua mata uang yang mempunyai volatilitas Lembaga yang berfungsi sebagai perantara
tinggi. Euro yang digunakan sebagai mata uang antara pedagang retail atau masyarakat umum
nasional oleh banyak negara eropa seperti dengan pihak bank.
belanda,jerman,swiss dll sedangkan Dolar AS 4. Lembaga yang melakukan kegiatan investasi
merupakan alat pembayaran utama dalam jangka pendek atau spekulasi dengan
perdagangan barang dan jasa internasional, alat mengharapkan keuntungan
pertukaran uang dalam export-import serta 5. Retail Trader
masyarakat dunia yang banyak menggunakan mata Perorangan yang melakukan transaksi
uang Dollar AS dalam transaksi pembayarannya. perdagangan forex dengan bank komersial atau
Perdagangan forex mempunyai jadwal dalam pelaku pasar lain
permbukaan pasar nya, pergerakan pasar valuta asing 3.2 Kerangka Penelitian
bergerak mulai dari pasar selandia baru dan australia Gambaran umum mengenai deployment diagram
yang dimulai pada pukul 05.00-14.00 WIB, adalah sebagai berikut
kemudian pasar asia yaitu jepang, singapura dan
hongkong yang berlangsung pukul 07.00-16.00 WIB
menghitung nilai rata-ratanya kemudian hasil yang
didapat itulah yang mejadi hasil/nilai peramalan pada
suatu data yang sedang diamati. Menurut [7]. Konsep
perhitungan metode Simple Moving Average dapat
menggunakan rataan harga yang berbeda-beda, bisa
menggunakan rataan harga selama 5 hari(SMA5),
rataan harga selama 10 hari(SMA10), rataan harga
selama 15 hari(SMA15) dan lainnya tergantung
kondisi dataset dan evaluasi perhitungan
Gambar 3 Deployment Diagram
Deployment diagram pada aplikasi ini aplikasi yaitu
menyatukan data center yaitu XAMPP dengan client Keterangan :
sebagai penerima sebuah informasi akhir, XAMPP
Dt = Data rentetan waktu
menggunakan apache,mysql serta “sirex” sebagai N = Total jumlah periode rataan
nama database nya,
At = Prediksi pada periode t+1
(4)
Masalah ini dapat dipecahkan dengan berbagai
teknik komputasi, diantaranya lagrange multiplier
yang dinyatakan pada persamaan
(5)
Dengan I = 1,2,…. l
Dimana adalah lagrange multiplier, yang bernilai 0
atau positif . Untuk meminimalkan lagramge, maka
persamaan 3.6 harus diturunkan terhadap w dan b dan
diset dengam nilai 0 untuk syarat Gambar 5 Data Grafik
Syarat 1 (6) Pada data gambar tersebut, terlihat hamparan nilai
harga secara fluktuatif, atrinya kenaikan maupun
penurunan sebuah harga tidak menentu pada candle
per hari (H1). Harga naik “up” ditunjukan dengan
Syarat 2 (7) candle warna hijau sedangkan harga turun “down”
ditunjukan dengan candle warna merah.
4.1 Perhitungan Metode SMA(Simple Moving
Nilai N menjadi jumlah data yang menjadi Support Average)
Karena lagrange multiplier (α) tidak diketahui Setelah dilakukan persiapan data dengan menghitung
nilainya, maka persamaan diatas tidak dapat nilai prediksi SMA dan nilai klasifikasi, selanjutnya
menyelesaikan masalah tersebut. Untuk pada perhitungan metode SMA ini menghitung nilai
menyelesaikan masalah tersebut, modifikasi presentase/margin of error, nilai RMSE dan nilai
persamaan 3.4 menjadi kasus memaksimalkan L MAPE (pada data Testing)
Dengan data perhitungan adalah sebagai berikut :
Margin error = (yi – y) no Date Open High Low Close nilai smapresentase
1 2020-01-01 1,121 1,122 1,121 1,121 1,113 -0,008
Keterangan: 2 2020-01-02 1,121 1,123 1,116 1,117 1,113 -0,004
3 2020-01-03 1,117 1,118 1,113 1,116 1,114 -0,002
yi = nilai prediksi 4 2020-01-06 1,117 1,121 1,116 1,119 1,115 -0,005
5 2020-01-07 1,120 1,120 1,113 1,115 1,116 0,001
y = nilai aktual 6 2020-01-08 1,115 1,117 1,110 1,110 1,117 0,006
7 2020-01-09 1,111 1,112 1,109 1,111 1,117 0,006
= 1,113 – 1,121 (data tanggal 01-01-2020) 8 2020-01-10 1,111 1,113 1,109 1,112 1,117 0,005
9 2020-01-13 1,113 1,115 1,111 1,113 1,116 0,003
= -0,008 10 2020-01-14 1,114 1,115 1,110 1,113 1,116 0,003
11 2020-01-15 1,113 1,116 1,112 1,115 1,115 0,000
Dengan perhitungan hasil pada keseluruhan data 12 2020-01-16 1,115 1,117 1,113 1,114 1,114 0,001
pada bulan januari adalah sebagai berikut : 13 2020-01-17 1,114 1,114 1,109 1,109 1,114 0,005
14 2020-01-20 1,109 1,110 1,108 1,109 1,113 0,004
no Date Open High Low Close nilai smapresentase
1 2020-01-01 1,121 1,122 1,121 1,121 1,113 -0,008
15 2020-01-21 1,110 1,112 1,108 1,108 1,112 0,004
2 2020-01-02 1,121 1,123 1,116 1,117 1,113 -0,004 16 2020-01-22 1,108 1,110 1,107 1,109 1,111 0,002
3 2020-01-03 1,117 1,118 1,113 1,116 1,114 -0,002 17 2020-01-23 1,109 1,111 1,104 1,105 1,111 0,006
4 2020-01-06 1,117 1,121 1,116 1,119 1,115 -0,005
18 2020-01-24 1,106 1,106 1,102 1,102 1,111 0,008
5 2020-01-07 1,120 1,120 1,113 1,115 1,116 0,001
6 2020-01-08 1,115 1,117 1,110 1,110 1,117 0,006 19 2020-01-27 1,102 1,104 1,101 1,102 1,110 0,008
7 2020-01-09 1,111 1,112 1,109 1,111 1,117 0,006 20 2020-01-28 1,102 1,103 1,100 1,102 1,109 0,007
8 2020-01-10 1,111 1,113 1,109 1,112 1,117 0,005 RMSE 0,804
9 2020-01-13 1,113 1,115 1,111 1,113 1,116 0,003
10 2020-01-14 1,114 1,115 1,110 1,113 1,116 0,003
MAPE 7,13%
11 2020-01-15 1,113 1,116 1,112 1,115 1,115 0,000
12 2020-01-16 1,115 1,117 1,113 1,114 1,114 0,001 Gambar 7 RMSE Dan MAPE Pada Data Testing
13 2020-01-17 1,114 1,114 1,109 1,109 1,114 0,005
14 2020-01-20 1,109 1,110 1,108 1,109 1,113 0,004
15 2020-01-21 1,110 1,112 1,108 1,108 1,112 0,004 Kemudian perhitungan pada training juga dilakukan
16 2020-01-22 1,108 1,110 1,107 1,109 1,111 0,002
17 2020-01-23 1,109 1,111 1,104 1,105 1,111 0,006
perhitungan dengan perumusan yang sama sehingga
18 2020-01-24 1,106 1,106 1,102 1,102 1,111 0,008 menghasilkan nilai sebagai berikut:
19 2020-01-27 1,102 1,104 1,101 1,102 1,110 0,008
akurasi True True Class precision Akurasi:37% True Negatif True Class