Kombinasi Naive Bayes dan Metode Time Series Sebagai Peramalan Pergerakan Harga pada Perdagangan Valuta Asing

Abstract

Dalam perdagangan valuta asing, terdapat data yang dapat diakses secara bebas dan berkelanjutan. Data yang tersedia antara lain: harga pembukaan, harga tertinggi, harga terendah dan harga penutupan, data tersebut adalah variable penting dalam memprediksi pergerakan harga kedepan. Data yang tersedia bukan hanya dari data perdagangan valuta asing, akan tetapi juga terdapat data perilisan berita dan analisa dari ahli perdagangan valuta asing. Dari beberapa sumber, data yang didapat berupa teks dan angka. Pendekatan yang dilakukan dalam penelitian ini adalah peramalan dengan mengkombinasikan data teks dan data numerik. Kombinasi yang digunakan dalam peramalan adalah metode text mining dengan beberapa metode dalam time series, antara lain : simple moving average, weighted moving average dan exponential moving average. Rentang waktu peneliatian mulai 1 desember 2018 sampai dengan 31 januari 2019 dengan 3 pasang mata uang, EUR-USD, USD-JPY dan EUR-JPY. Hasil dari peramalan menggunakan metode time series akan dibandingkan dengan kombinasi dari metode time series dan klasifikasi naïve bayes. Hasil dari percobaan menunjukkan bahwa kombinasi dari metode time series dan klasifikasi naïve bayes memiliki akurasi peramalan yang lebih baik