Pemodelan Fuzzy Time Series Stevenson Porter pada Pergerakan Nilai FOREX Euro terhadap Rupiah
DOI:
https://doi.org/10.29313/jrm.v4i2.5112Keywords:
FOREX, Fuzzy Time Series, Model Stevenson PorterAbstract
Abstrak. Pasar Foreign Exchange (FOREX) adalah arena global yang terpusat dengan mata uang dari berbagai negara diperdagangkan. Transaksi di pasar ini melibatkan pembelian satu mata uang dengan penjualan mata uang lain secara simultan, dengan tujuan mendapatkan keuntungan dari perubahan nilai tukar. Trader dan masyarakat yang terlibat dalam transaksi menggunakan mata uang asing penting untuk menentukan waktu yang tepat guna menghindari kerugian, karena semua transaksi tidak dilaksanakan pada saat pemesanan. Oleh karena itu, prediksi pergerakan nilai FOREX menjadi suatu alternatif untuk mengetahui pergerakan nilai tersebut. Tujuan dari penelitian ini adalah untuk memprediksi pergerakan nilai FOREX Euro terhadap Rupiah dengan metode Fuzzy Time Series Stevenson Porter. Salah satu pendekatan matematis yang diterapkan adalah pemodelan Fuzzy Time Series Stevenson Porter. Hasil yang diperoleh yaitu nilai prediksi mendekati nilai sebenarnya dengan MAPE 4% untuk data training dan 3% untuk data testing.
Abstract. The Foreign Exchange (FOREX) market is a centralized global arena where currencies from different countries are traded. Transactions in this market involve the simultaneous purchase of one currency with the sale of another, with the aim of profiting from changes in exchange rates. It is important for traders and people involved in transactions using foreign currencies to determine the right time to avoid losses, as all transactions are not executed at the time of booking. Therefore, predicting the movement of FOREX rates becomes an alternative to knowing the movement of these rates. The purpose of this research is to predict the movement of FOREX Euro value against Rupiah with Stevenson Porter's Fuzzy Time Series method. One of the mathematical approaches applied is Fuzzy Time Series Stevenson Porter modeling. The results obtained are the predicted value is close to the actual value with MAPE 4% for training data and 3% for testing data.
References
P. Juszczuk Dan L. Krus, “Fuzzy Trading System On The Forex Market For Deriving The Portfolio Of Instruments,” Control And Cybernetics, Vol. 51, No. 4, Hlm. 467–486, Des 2022, Doi: 10.2478/Candc-2022-0025.
A. Fatahillah, M. Istiqomah, Dan D. Dafik, “Pemodelan Matematika Pada Kasus Kecanduan Game Online Menggunakan Metode Runge-Kutta Orde 14,” Limits: Journal Of Mathematics And Its Applications, Vol. 18, No. 2, Hlm. 129, Nov 2021, Doi: 10.12962/Limits.V18i2.6854.
A. Baradja Dan H. Naskah, “Elektriese: Jurnal Sains Dan Teknologi Elektro Prediksi Pergerakan Mata Uang Dengan Convolutional Neural Network Pada Trading Forex: Studi Kasus Eur/Usd,” Vol. 12, Hlm. 2830–3512, 2024, Doi: 10.47709/Elektriese.V12i2.3627.
L. A. Zadeh, “Fuzzy Sets,” Information And Control, Vol. 8, No. 3, Hlm. 338–353, Jun 1965, Doi: 10.1016/S0019-9958(65)90241-X.
Rashesh Vaidya Dan Kulchandra Pandit, “Distribution Nature Of Foreign Exchange (Forex) Rates In Nepal,” Journal Of Balkumari College, Vol. 12, No. 1, Hlm. 75–82, Des 2023, Doi: 10.3126/Jbkc.V12i1.60429.
D. P. Sugumonrong, A. Handinata, Dan A. Tehja, “Prediksi Harga Emas Menggunakan Metode Fuzzy Time Series Model Algoritma Chen,” Informatics Engineering Research And Technology, Vol. 1, Hlm. 48–54, Agu 2019.
Sarmila Nurhasanah, “Metode Average-Based Weighted Fuzzy Integrated Time Series Lee High Order (Studi Kasus Pada Peramalan Mata Uang Kripto Bitcoin),” Perpustakaan.Upi.Edu.
I. Gede, I. Sudipa, Dan M. Darmawiguna, “Buku Ajar Data Mining.” [Daring]. Tersedia Pada: https://www.researchgate.net/Publication/377415198
J. Hurwitz Dan D. Kirsch, Machine Learning For Dummies, Ibm Limited Edition. John Wiley & Sons, Inc., 2018. [Daring]. Tersedia Pada: http://www.wiley.com/Go/Permissions
M. A. Alfiansyah and E. Kurniati, “Analisis Portofolio Saham Syariah di Masa Pandemi Covid-19 dengan Mengunakan Multi Indeks Model,” J. Ris. Mat., pp. 30–36, Jul. 2022, doi: 10.29313/jrm.v2i1.795.
S. Zein and G. Gunawan, “Prediksi Hasil FIFA World Cup Qatar 2022 Menggunakan Machine Learning dengan Python,” J. Ris. Mat., pp. 153–162, Dec. 2022, doi: 10.29313/jrm.v2i2.1382.
R. Y. Indriani, D. Suhaedi, and F. H. Badruzzaman, “Penggunaan Metode Nadir Compromise Programming dalam Menyelesaikan Permasalahan Multi Objektif,” J. Ris. Mat., vol. 1, no. 2, pp. 82–90, Dec. 2021, doi: 10.29313/jrm.v1i2.364.
A. Oktavia and M. Y. Fajar, “Peramalan Laju Inflasi, BI Rate dan Indeks Harga Saham Gabungan,” J. Ris. Mat., pp. 16–22, Jul. 2022, doi: 10.29313/jrm.v2i1.789.
F. M. Pratama and I. Sukarsih, “Fungsi Transposisi Modulo untuk Mencari Nada pada Komposisi Akor dalam Musik Blues,” J. Ris. Mat., pp. 65–72, Jul. 2023, doi: 10.29313/jrm.v3i1.1746.
S. A. Savitri and D. Suhaedi, “Penerapan Inference Fuzzy Mamdani dalam Seleksi Penerima Bantuan Sosial Tunai Kabupaten Belitung Timur,” J. Ris. Mat., pp. 163–172, Dec. 2022, doi: 10.29313/jrm.v2i2.1383.
W. Ismarnita and Respitawulan, “Penerapan Logika Fuzzy dalam Menentukan Tingkat Kerawanan Longsor di Suatu Wilayah,” J. Ris. Mat., pp. 45–54, Jul. 2023, doi: 10.29313/jrm.v3i1.1737.
D. S. N. Aliana, Y. Permanasari, and Respitawulan, “Prediksi Curah Hujan di Kota Bandung Menggunakan Model Logika Fuzzy Time Series,” J. Ris. Mat., vol. 1, no. 1, pp. 65–72, Oct. 2021, doi: 10.29313/jrm.v1i1.220.
N. H. Pajriati, E. Kurniati, and D. Suhaedi, “Penerapan Metode Average Based Fuzzy Time Series Lee Untuk Peramalan Harga Emas Di PT. X,” J. Ris. Mat., vol. 1, no. 1, pp. 73–81, Oct. 2021, doi: 10.29313/jrm.v1i1.221.
D. Monica and D. Suhaedi, “Analisis Model Fuzzy Time Series Chen, Cheng dan Singh pada Data Trend,” J. Ris. Mat., vol. 4, no. 1, pp. 81–92, Jun. 2024, doi: 10.29313/jrm.v4i1.3605.
G. Achyar and O. Rohaeni, “Penggunaan Hybrid K-Means dan General Regression Neural Network untuk Prediksi Harga Saham Indeks LQ45,” J. Ris. Mat., pp. 111–120, Dec. 2022, doi: 10.29313/jrm.v2i2.1193.
