Peramalan Harga Emas pada Pasar Berjangka menggunakan Algoritma Support Vector Regression
| Main Author: | Gumilar, GaluhWidhi |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/147072/1/SKRIPSI_125150100111018-Galuh_Widhi_Gumilar.pdf http://repository.ub.ac.id/147072/2/JURNAL_125150100111018_GaluhWidhiGumilar.pdf http://repository.ub.ac.id/147072/ |
Daftar Isi:
- Emas merupakan salah satu jenis komoditi paling diminati untuk tujuan investasi. Salah satu macam investasi emas adalah dengan sistem berjangka atau sistem perdagangan alternatif (SPA) yaitu perdagangan yang berkaitan dengan jual-beli kontrak derivatif. Ketika berinvestasi emas di bursa berjangka yang harus diperhatikan secara hati-hati adalah pergerakan harga emas di pasar fisik, sehingga diperlukan sebuah analisa dan strategi untuk menentukan kapan harus membeli (buy) dan kapan harus menjual (sell). Peramalan harga ini menjadi hal yang diperlukan untuk memudahkan trader/investor untuk menganalisa prospek investasi dan mengatur strategi perdagangan di masa mendatang. Support Vector Machine diperkenalkan untuk memecahkan masalah pengenalan pola oleh Vapnik sebagai teknik minimalisasi risiko struktural. Support Vector Regression merupakan pengembangan model dari SVM yang memudahkan pemilihan model secara otomatis. Tujuannya adalah untuk mengumpulkan solusi optimal dengan iterasi yang sangat cepat dibandingkan SVM konvensional dan sangat sederhana untuk diimplementasikan bahkan untuk masalah dengan ukuran besar. Data yang digunakan adalah harga emas harian pada pasar berjangka pada tahun 2014 dan 2015, dengan nilai tukarnya terhadap Dolar Amerika Serikat. Parameter yang digunakan pada algoritma SVR yaitu kompleksitas (?), epsilon (?), sigma (?) untuk Kernel Gaussian RBF, constanta learning rate (???), dan lambda (?). Hasil pengujian terbaik yang didapatkan berdasarkan nilai evaluasi Mean Absolute Percentage Error (MAPE) senilai 0,324378 dengan nilai parameter ?=500 , ?=5×10−9, ?=50, ???=1, ?=0,01, jumlah data latih = 30 hari, jumlah data uji = 10 hari, dan iterasi maksimal = 1000.