Prediksi Nilai Tukar Mata Uang Menggunakan Metode LSTM Melalui Penggabungan Analisis Teknikal dan Fundamental
HARUN, Dr. Nur Rokhman, S.Si., M.Kom.
2024 | Tesis | S2 Ilmu Komputer
Pasar
valuta asing atau foreign exchange (Forex) adalah pasar jual beli suatu
mata uang terhadap mata uang lainnya, dengan jumlah pelaku perdagangan di pasar
forex yang sangat besar. Saat ini, forex merupakan pasar paling likuid di
dunia, sehingga memprediksi pergerakan harga forex menjadi tantangan tersendiri
bagi para pelaku perdagangan. Perkembangan teknologi, dalam bentuk Artificial
Intelligence, mendorong sistem berbasis kecerdasan buatan untuk
memprediksi pergerakan harga forex. Dari beberapa pengembangan sistem dan
penelitian yang dilakukan sebelumnya, data yang digunakan cenderung berfokus
pada data teknikal seperti data OHLC (open, high, low, dan close)
tanpa mempertimbangkan data fundamental. Data fundamental sendiri merupakan
data yang menggambarkan suatu ekonomi negara, dan data tersebut dirangkum serta
dirilis pada kalender ekonomi.
Pada
penelitian ini, proses pembuatan model dengan memanfaatkan metode LSTM akan
menggunakan data kombinasi antara data teknikal dan data fundamental. Data
teknikal menggunakan data OHLC, sedangkan data fundamental menggunakan data
Chicago PMI, Retail Sales MoM, dan Industrial Production
MoM. Tujuan dari penelitian ini adalah membandingkan antara model yang hanya
menggunakan data teknikal dengan model yang menggunakan data kombinasi dari
data teknikal dan data fundamental.
Berdasarkan hasil pengujian pada bab sebelumnya, dapat
disimpulkan bahwa Model 2, yang menggunakan kombinasi data teknikal dan
fundamental, menunjukkan akurasi dan performa yang lebih baik dibandingkan
dengan Model 1, yang hanya menggunakan data teknikal. Kesimpulan ini diperkuat
oleh hasil pengujian yang diukur menggunakan RMSE dan R2 Score.
Foreign The
foreign exchange market, or Forex, is a market for buying and selling one
currency against another, with a large number of participants. Currently, Forex
is the most liquid market in the world, making predicting forex price movements
a unique challenge for traders. Technological advancements, particularly in
Artificial Intelligence, have prompted the development of AI-based systems to
predict forex price movements. In previous research and system development, the
focus has predominantly been on technical data such as Open, High, Low, and
Close (OHLC) without considering fundamental data. Fundamental data describes a
country's economy and is summarized and released on an economic calendar.
In this
study, the model creation process using the LSTM method will involve a
combination of technical and fundamental data. Technical data will include OHLC
data, while fundamental data will consist of Chicago PMI, Retail Sales MoM, and
Industrial Production MoM data. The aim of this research is to compare a model
using only technical data with a model using a combination of technical and
fundamental data.
Based on the
results of the testing in the previous chapter, it can be concluded that Model
2, which uses a combination of technical and fundamental data, demonstrates
better accuracy and performance compared to Model 1, which only utilizes
technical data. This conclusion is reinforced by the testing results measured
using RMSE and R2 Score.
Kata Kunci : Forex, LSTM, Artificial Intelligence, technical, fundamental, forecasting.