Text
Prediksi harga forex dengan deep learning
Forex (foreign exchange) adalah pasar perdagangan mata uang dari berbagai negara yang berbeda dengan volume dagang keseluruhan sangat besar. Pasar forex buka 24 jam/hari, 5 hari/minggu. Perdagangan valas ini melibatkan berbagai pelaku pasar seperti pemerintah, bank- bank sentral, perusahaan multinasional, hingga pemain individu. Terdapat tiga pilar utama untuk menentukan suatu keputusan dagang (beli atau jual) dalam forex, yaitu analisis teknikal, analisis fundamental, dan analisis sentimen pasar. Selain itu, faktor lain yang penting dilakukan dalam forex adalah manajemen keuangan dan manajemen risiko. Penelitian-penelitian sebelumnya [ABE15], [ABE16], [ABE17], [ABE18], [ABE19] membangun robot dagang forex dengan berbagai teknik untuk melakukan analisis pasar dengan analisis teknikal, analisis fundamental, manajemen risiko, dan manajemen keuangan. Penelitian [ABE20] melakukan analisis lebih jauh data forex dengan Weka. Penelitian [ABE21] melakukan analisis sentimen pasar forex dengan Textblob dan Vader Sentiment.
Pergerakan harga dalam forex adalah salah satu contoh data yang sifatnya time series, yaitu data yang saling berkesinambungan antara data satu dengan data lainnya. Untuk melengkapi penelitian-penelitian sebelumnya, pada penelitian ini akan digunakan algoritma deep learning untuk memprediksi harga tutup forex di waktu selanjutnya. Deep learning adalah algoritma machine learning yang terinspirasi dari struktur otak manusia. Model struktur otak manusia dalam machine learning dikenal dengan sebutan artificial neural networks (ANN). Deep learning memiliki kemampuan untuk belajar dan beradaptasi dengan jumlah data yang besar, serta menyelesaikan berbagai permasalahan kompleks, yang sulit diselesaikan dengan algoritma machine learning lainnya. Terdapat beberapa tipe algoritma dalam deep learning. Convolutional Neural Network (CNN), Recurrent Neural Network (RNN), Long Short-Term
Memory Network (LTSM), dan Self Organizing Maps (SOM). Sesuai dengan karakteristik data time series dalam forex, algoritma yang cocok untuk tipe data seperti ini adalah LSTM. Algoritma ini dapat belajar dan beradaptasi dengan data bersambung yang saling bergantung satu sama lain dengan jangka waktu yang panjang. Aplikasi prediksi harga tutup forex yang dibangun berbasis web dan dapat diakses secara online pada link berikut ini: http://forex-analyzer.herokuapp.com/. Pengguna dapat memilih model prediktor yang bersesuaian untuk pasangan mata uang tertentu, kemudian melakukan prediksi data masukan.
Barcode | Tipe Koleksi | Nomor Panggil | Lokasi | Status | |
---|---|---|---|---|---|
145875 | R/SB - FTIS | Laporan Penelitian Dosen | 332.45 ABE p | Gdg9-Lt3 (LPD-LPM FTIS/T. INFO) | Tersedia namun tidak untuk dipinjamkan - No Loan |
Tidak tersedia versi lain