IMPLEMENTASI METODE K-NEAREST NEIGHBOR DALAM MEMPREDIKSI PERGERAKAN ARAH HARGA FOREX EUR/USD

23080424, Yanto (2013) IMPLEMENTASI METODE K-NEAREST NEIGHBOR DALAM MEMPREDIKSI PERGERAKAN ARAH HARGA FOREX EUR/USD. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Sistem Informasi) 23080424_bab1_bab5_daftarpustaka.pdf Download (996kB)
	Text (Skripsi Sistem Informasi) 23080424_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Pada masa sekarang ini proses transaksi jual beli mata uang sudah berkembang menjadi semakin maju sehingga mulai mengenal proses transaksi secara online. Permasalahan muncul ketika dalam pengambilan keputusan untuk investasinya, seorang investor diharuskan memprediksi apakah harga pair suatu mata uang akan naik atau turun. Salah satu metode yang cukup memadai untuk memprediksi arah pergerakan mata uang adalah dengan mengamati sejarah (history) pergerakan mata uang di masa lalu, model analisa berdasarkan data-data masa lampau. Kebutuhan dalam memprediksi mata uang ini yang mendorong peneliti untuk membantu para trader atau investor dalam menjawab permasalahan yang ada, maka dibuat suatu sistem yang berguna untuk mengolah dan menganalisis data tersebut agar dapat membantu dan menyelesaikan masalah yang akan dihadapi yaitu dengan menggunakan metode metode K-Nearest Neighbor dalam membantu untuk memprediksi pergerakan arah harga mata uang, Metode K-nearest Neighbor dipilih karena kesederhanaan metodenya, namun mampu memberi output yang memadai. Karena metodenya cukup sederhana, maka proses akan berlangsung cukup cepat sehingga pihak user tidak perlu menunggu terlalu lama. Hal ini tentunya akan amat menguntungkan user, mengingat dalam dunia pasar forex, data-data yang terlibat bisa mencapai ratusan atau bahkan ribuan. Hasil yang dicapai melalui implementasi ini adalah sebuah program yang mampu untuk memprediksi pergerakan harga mata uang dengan menerapkan metode K-Nearest Neighbor yaitu dengan presentase keberhasilan prediksi sebesar 40% dari data yang sudah diuji

Actions (login required)

View Item