LENTERADUALENTERADUA

JNANALOKAJNANALOKA

Aktivitas perdagangan mata uang asing triliunan dolar per hari terjadi pada pasar forex memiliki pergerakan sangat fluktuatif dalam perdagangan mata uang asing. Perdagangan berdasarkan harga bid dan ask. Pasar menentukan nilai tukar mata uang asing berdasarkan aturan penawaran dan permintaan. Perdagangan mata uang yang berpasangan seperti EUR/USD merupakan perbandingan nilai mata uang Euro terhadap Dollar sebagai dasar penelitian, naik dan turunya harga mata uang dalam forex bergerak secara fluktuatif, sehingga seorang pelaku pasar harus dapat memutuskan posisi dalam pembelian dan penjualan. Karena keputusan yang tidak tepat dapat menyebabkan kerugian. Salah satu untuk mengurangi resiko dalam mengambil keputusan dalam pembelian dan penjualan dalam forex dapat menggunakan forecasting. Penelitian ini menggunakan metode LSTM dalam memprediksi harga forex yang akan di uji dalam beberapa skala pembagian dataset. Hasil error terkecil dengan menggunakan total dataset 2631 dengan pembagian dataset 70:15:15, yang dibagi menjadi 70% data untuk training, 15% data sebagai validation dan 15% data untuk testing menghasilkan nilai RMSE 0.038, MAPE 2.5%. Dalam mengukur seberapa baik model regresi yang digunakan dengan R Square pada pembagian data 70:15:15 dan total dataset yang digunakan 4979 mendapatkan hasil yang paling baik yaitu sebesar 97%.

Berdasarkan analisis dan pengujian yang dilakukan, skenario 1 dengan pembagian dataset 70.15 menghasilkan tingkat kesalahan yang lebih rendah dalam prediksi harga forex untuk pasangan mata uang EUR/USD.Ketika menggunakan R-square untuk mengukur kualitas model regresi, skenario 1 memberikan hasil terbaik dengan persentase 97%.Namun, untuk penerapan dataset yang lebih besar, skenario 2 dapat digunakan karena menghasilkan tingkat kesalahan yang lebih rendah dibandingkan dengan skenario 1.

Penelitian lanjutan dapat difokuskan pada perbandingan metode LSTM dengan metode lain seperti GRU untuk melihat metode mana yang lebih efektif dalam memprediksi harga forex. Selain itu, eksplorasi penggunaan data dari berbagai sumber, seperti sentimen berita atau data sosial media, dapat meningkatkan akurasi prediksi. Terakhir, pengembangan model LSTM yang lebih kompleks dengan mempertimbangkan faktor-faktor eksternal seperti indikator ekonomi dan kebijakan moneter dapat memberikan wawasan yang lebih mendalam tentang dinamika pasar forex. Penelitian-penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam pengembangan strategi perdagangan forex yang lebih cerdas dan adaptif, serta membantu para pelaku pasar dalam mengambil keputusan investasi yang lebih tepat dan menguntungkan. Dengan demikian, penelitian lebih lanjut mengenai kombinasi berbagai teknik dan data dapat membuka peluang baru dalam memprediksi pergerakan harga forex secara akurat dan efisien.

  1. Prediksi Harga Forex Menggunakan Algoritma Long Short-Term Memory | JNANALOKA. harga forex algoritma... lenteradua.net/jurnal/index.php/jnanaloka/article/view/115Prediksi Harga Forex Menggunakan Algoritma Long Short Term Memory JNANALOKA harga forex algoritma lenteradua jurnal index php jnanaloka article view 115
Read online
File size694.83 KB
Pages8
DMCAReport

Related /

ads-block-test