Perpustakaan Digital ITB

Pasar foreign exchange (forex) merupakan pasar keuangan terbesar di dunia. Volume transaksi yang terjadi di dunia forex dapat mencapai triliunan US dolar per hari. Volume transaksi yang besar tersebut membuat orang-orang tertarik untuk bertransaksi di pasar forex dengan menjadi trader. Volume transaksi yang besar tersebut menyebabkan pasar forex bergerak secara fluktuatif sehingga membuat para trader dapat memperoleh keuntungan dan/atau kerugian hingga ribuan US dolar hanya dalam waktu beberapa hari. Penelitian ini bertujuan untuk merancang model prediksi yang dapat digunakan untuk memprediksi pasar forex menggunakan data mining. Model prediksi dirancang menggunakan analisis-analisis yang biasa digunakan trader dalam menganalisis pasar forex yaitu analisis teknikal diantaranya adalah analisis indikator, analisis time series, dan analisis pattern recognition. Model prediksi dibangun dengan menggunakan 3 algoritma data mining yaitu random forest, XGBoost, dan extra trees. Ketiga model tersebut akan dibandingkan satu sama lain untuk memperoleh model terbaik dengan akurasi tertinggi yang akan digunakan untuk prediksi. Model prediksi yang dirancang bersifat on the fly dimana model prediksi akan selalu berubah selama sistem dijalankan. Hal ini bertujuan agar model prediksi yang dihasilkan dapat menyesuaikan dengan pasar forex yang selalu berubah setiap waktu. Penelitian ini menghasilkan model prediksi forex dengan prototipe sistem prediksinya. Pengguna perlu memasukkan jenis pasangan mata uang yang ingin diprediksi beserta profit minimal dalam pips yang ingin diperoleh. Pips merupakan satuan perubahan yang terjadi pada forex. Output dari prototipe sistem prediksi ini adalah saran keputusan transaksi dalam pasar forex yaitu berupa buy, sell, atau do nothing dengan tingkat akurasi melebihi 80%