Prediksi Harga Forex Menggunakan Algoritma Long Short-Term Memory

Abstract

Trillions of dollars per day of foreign currency trading activity occur in the forex market, which has very volatile movements in foreign currency trading. Trade based on bid and ask prices. The market determines foreign exchange rates based on supply and demand rules. Currency trading in pairs such as EUR/USD is a comparison of the value of the Euro against the Dollar as a basis for research, rising and falling currency prices in forex move fluctuatingly, so a market participant must be able to decide on buying and selling positions. Because wrong decisions can lead to losses. One of the ways to reduce risk in making decisions in buying and selling in forex can be using forecasting. This study uses the LSTM method in predicting forex prices which will be tested on several scales of dataset distribution. The smallest error results using a total dataset of 2631 with a dataset division of 70:15:15, which is divided into 70% data for training, 15% data for validation and 15% data for testing produces an RMSE value of 0.038, MAPE 2.5%. In measuring how well the regression model used with Rsquare on the data distribution is 70:15:15 and the total dataset used is 4979 to get the best results, namely 97%.Aktivitas perdagangan mata uang asing triliunan dolar per hari terjadi pada pasar forex memiliki pergerakan sangat fluktuatif dalam perdagangan mata uang asing. Perdagangan berdasarkan harga bid dan ask. Pasar menentukan nilai tukar mata uang asing berdasarkan aturan penawaran dan permintaan. Perdaganagan mata uang yang berpasangan seperti EUR/USD merupakan perbandingan nilai mata uang Euro terhadap Dollar sebagai dasar penelian, naik dan turunya harga mata uang dalam forex bergerak secara fluktuatif, sehingga seorang pelaku pasar harus dapat memutuskan posisi dalam pembelian dan penjualan. Karena keputusan yang tidak tepat dapat menyebabkan kerugian. Salah satu untuk menggurangi resiko dalam menggambil keputusan dalam pembelian dan penjualan dalam forex dapat menggunakan forecasting. Penelitian ini menggunakan metode LSTM dalam memprediksi harga forex yang akan di uji dalam beberapa skala pembagian dataset. Hasil error terkecil dengan menggunakan total dataset 2631 dengan pembagian dataset 70:15:15, yang dibagi menjadi 70% data untuk training, 15% data sebagai validation dan 15% data untuk testing menghasilkan nilai RMSE 0.038, MAPE 2.5%. Dalam mengukur seberapa baik model regresi yang digunakan dengan Rsquare pada pembagian data 70:15:15 dan total dataset yang digunakan 4979 mendapatkan hasil yang paling baik yaitu sebesar 97%.