Implementasi Algoritma Neural Network Backpropagation Pada Trading Forex

Khairul, Prima Dona (2019) Implementasi Algoritma Neural Network Backpropagation Pada Trading Forex. Tugas Akhir (S1) - thesis, UNIVERSITAS BAKRIE.

[thumbnail of pdf]
Preview
Text (pdf)
00 Cover.pdf - Submitted Version

Download (1MB) | Preview
[thumbnail of pdf] Text (pdf)
01 BAB I-III.pdf - Submitted Version
Restricted to Registered users only

Download (1MB) | Request a copy
[thumbnail of pdf] Text (pdf)
02 BAB IV.pdf - Submitted Version
Restricted to Registered users only

Download (1MB) | Request a copy
[thumbnail of pdf] Text (pdf)
03 BAB V.pdf - Submitted Version
Restricted to Registered users only

Download (271kB) | Request a copy
[thumbnail of pdf]
Preview
Text (pdf)
04 DAFTAR PUSTAKA.pdf - Submitted Version

Download (400kB) | Preview
[thumbnail of pdf] Text (pdf)
05 Lampiran.pdf - Submitted Version
Restricted to Registered users only

Download (2MB) | Request a copy

Abstract

Melakukan trading di pasar mata uang dunia sudah menjadi salah satu jenis pekerjaan yang sudah banyak dilakukan oleh masyarakat. Penelitian ini bertujuan memprediksi trading forex pada pergerakan trend mata uang EUR/USD dengan menggunakan teknik data mining. Dalam penelitian ini, Algoritma yang diterapkan adalah Algoritma Neural Network Backpropagation dan Algoritma Genetika yang bisa dijadikan salah satu acuan bagi para trader. Jaringan syaraf tiruan (Neural Network) telah banyak digunakan untuk membantu menyelesaikan berbagai macam permasalahan dalam rangka pengambilan keputusan berdasarkan pelatihan yang diberikan. Jaringan syaraf tiruan digunakan untuk membantu seorang trader forex ketika ingin melakukan transaksi dengan menganalisa dan memantau pergerakan suatu pasangan mata uang. Hal ini bertujuan agar momen terbaik untuk melakukan transaksi tidak terlewatkan, mengingat market forex dapat bergerak sangat drastis. Jaringan syaraf tiruan tersebut bertugas untuk memprediksi suatu transaksi berdasarkan kondisi indikator teknikal pada saat itu dan periode sebelumnya. Hasil prediksi harga trading forex pada masing masing variable yaitu harga open , high, low dan close terhadap data real history time frame H1 memiliki tingkat akurasi dan MSE sebagai berikut : Harga Open memiliki tingkat akurasi sebesar 89% dan MSE sebesar 0.000213, High dengan tingkat akurasi sebesar 71 % dan MSE sebesar 0.000383, Low dengan tingkat akurasi sebesar 76% dan MSE sebesar 0.000465 serta Close dengan tingkat akurasi sebesar 70% dan MSE sebesar 0.000500.

Item Type: Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords: Trading Forex, Algoritma Neural Network, Analisis Teknikal
Subjects: Computer Science > Computer - Business
Computer Science > Information Systems
Thesis > Thesis (S1)
Divisions: Fakultas Teknik dan Ilmu Komputer > Program Studi Informatika
Depositing User: Prima Dona Khairul
Date Deposited: 28 Aug 2019 12:42
Last Modified: 28 Aug 2019 12:42
URI: https://repository.bakrie.ac.id/id/eprint/3099

Actions (login required)

View Item View Item