Peningkatan Kinerja Prediksi Pergerakan Harga Forex Dengan Equal-width Interval

Pande, Komang Sudana Yasa (2021) Peningkatan Kinerja Prediksi Pergerakan Harga Forex Dengan Equal-width Interval. Masters thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1929101010-COVER.pdf
Download (1MB)
[img] Text (ABSTRAK)
1929101010-ABSTRAK.pdf
Download (421kB)
[img] Text (BAB 1 PENDAHULUAN)
1929101010-BAB 1 PENDAHULUAN.pdf
Download (1MB)
[img] Text (BAB 2 KAJIAN TEORI)
1929101010-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (3MB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
1929101010-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
1929101010-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (6MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
1929101010-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (546kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1929101010-DAFTAR PUSTAKA.pdf
Download (686kB)
[img] Text (LAMPIRAN)
1929101010-LAMPIRAN.pdf
Download (1MB)

Abstract

Penelitian ini ditujukan untuk mengingkatkan tingkat akurasi kNN dengan menerapkan metode Equal-width Interval pada dataset pergerakan harga Forex GBP/USD dalam memprediksi arah pergerakan harga. Data yang digunakan diambil dari aplikasi MetaTrader4 berjumlah 2.145 data yang memiliki fitur-fitur diantaranya, harga pembentukan (open), harga tertinggi (high), harga terendah (low), harga penutupan (close), dan volume transaksi (volume). Dari data tersebut, dibuat kolom untuk kelas target yang penulis beri nama kolom hasil (result). Penulis membandingkan pemodelan kNN tanpa menerapkan Equal-width Interval dengan pemodelan kNN yang menerapkan Equal-width Interval. Ide dasarnya adalah untuk dapat mengurangi tingkat ganguan pada data yang sangat berfluktuatif sehingga mampu meningkatkan kinerja kNN. Penulis menggunakan confusion matrix untuk melihat performa pada metode yang penulis kembangkan. Metode penulis mampu meningkatan kinerja kNN dilihat dari peningkatan tingkat akurasi dari pemodelan kNN yang meningkat secara rata-rata sebesar 4,6% setelah menerapkan metode Equal-width Interval. Peningkatan juga terjadi pada nilai Recall yang sebelumnya 40,86% menjadi 81,32%, precision yang sebelumnya 41,67% menjadi 46,97% dan F1-score yang sebelumnya 41,26% menjadi 59,54%.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Forex, knn, equal-width interval, data mining, prediction
Subjects: T Technology > T Technology (General)
Divisions: Pascasarjana > Program Studi Ilmu Komputer (S2)
Depositing User: KOMANG SUDANA YASA PANDE
Date Deposited: 19 Jul 2021 07:37
Last Modified: 19 Jul 2021 07:37
URI: http://repo.undiksha.ac.id/id/eprint/6725

Actions (login required)

View Item View Item