Bab 2 tentang analisis dan perhitungan menggunakan metode KNN untuk memprediksi pergerakan arah harga forex

1. BAB 2
LANDASAN TEORI
2.1 Tinjauan Pustaka
Menurut Ernawan (2009), investor harus mampu mengambil keputusan untuk
memperoleh keuntungan dari investasi yang dilakukan. Untuk itu, para investor
sering mengalami kesulitan dalam memprediksi harga melalui pergerakan forex
dalam mengambil keputusan jual atau beli. Metode Relative Strength Index dan
metode Fibonacci Retracements termasuk metode tertentu yang digunakan dalam
melakukan analisis teknikal, metode Relative Strength Index bekerja dengan
memasukkan pergerakan harga forex kedalam rumus Relative Strength Index dalam
diperoleh hasil perhitungan, nilai dari hasil perhitungan berupa nilai 0 sampai 100,
digabungkan juga dengan Pivot Point yaitu cara perhitungan untuk memperoleh
batas support dan resistence harian. Dengan menggabungkan kedua nilai tersebut
metode Relative Strength Index menghasilkan rekomendasi keputusan dalam
pemberian sinyal jual atau beli forex pada harga support atau harga resistence.
Menurut Tanasha (2009), K-Nearest Neighbour (KNN) digunakan untuk
memprediksi keadaan atau suatu hal dengan memanfaatkan metode klasifikasi.
Proses klasifikasi dalam metode ini dilakukan dengan cara mengkalkulasi jarak
terdekat. Keunggulan dari KNN adalah metode ini memiliki akurasi yang tinggi dan
tidak akan kehilangan data karena semua data yang lampau akan masuk ke dalam
training data
Menurut Harsanti (2009), Implementasi Metode Moving Average dan
Stochastic Oscillator dalam Pemberian Sinyal Jual/Beli Forex Investasi dengan
forex selalu diwarnai dengan ketidakpastian dan resiko, namun banyak investor yang
selalu ingin melihat perilaku pergerakan forex karena keuntungan yang dapat
diperoleh cukup besar jika analisis yang dilakukan benar. Cara melakukan analisis
dengan menggunakan perhitungan data masa lalu dapat dilakukan dengan
menggunakan analisis Teknikal. Banyak metode yang dapat dipilih investor untuk
mengetahui pola pergerakan forex dan melihat sinyal jual beli berdasarkan metode
itu.
5

2. Menurut
Teknomo
(2009),
K-Nearest
Neighbor
adalah
algoritma
pembelajaran yang terbimbing, dimana hasil dari permintaan yang diajukan akan
diklasifikasikan berdasarkan pada mayoritas katagori dari tetangga terdekat.
Dengan mempelajari berbagai buku yang ada penulis memperoleh
pengetahuan untuk dapat mengimplementasikan metode KNN dalam permasalahan
yang dihadapi sehingga dapat memberikan solusi serta menunjang penelitian yang
sedang dilaksanakan.
2.2
Landasan Teori
2.2.1 Data Mining
Data mining merupakan suatu proses eksplorasi analisis, dengan perhitungan
secara otomatis atau semi otomatis, dari data yang berjumlah besar dalam hal untuk
mencari aturan-aturan dan pola-pola yang berarti (Micheal J. A. Berry & Gordon S.
Linoff, 2000, hlm.7). Data mining paling bermanfaat dalam skenario analisis yang
bersifat eksplorasi dimana tidak ada kriteria yang ditentukan lebih dahulu tentang apa
yang akan menjadi hasil yang terbaik.(Mehmed Kantardzic, 2003, hlm. 2). Menurut
C. J. Van Rijsbergen dalam jurnal yang berjudul Information Retrieval, hlm. 4,
Tujuan dari strategi penemuan otomatis (automatic retrieval strategy) adalah untuk
memperoleh semua dokumen yang relevan dan pada saat yang sama mengambil
sesedikit mungkin dokumen yang tidak relevan.
Sebuah database besar mengandung data-data yang memiliki karakteristik
tertentu dalam jumlah yang sangat banyak. Tetapi hanya sebagian data yang ada di
dalam database tersebut memiliki frekuensi akses yang tinggi. Sebagian data lainnya
yang ada di database kemudian menjadi data tombs. Data tombs adalah data archives
yang jarang digunakan (Jiawei Han & Micheline Kamber, 2001, hlm. 4), tetapi data
tersebut memiliki informasi yang sangat berguna dalam menguji kebenaran suatu
proses data mining.
2.2.1.1 Klasifikasi (Classification)
Klasifikasi
adalah
penemuan
fungsi
yang
bersifat
prediksi
dan
menggolongkan data item ke dalam kelas-kelas yang sudah ditentukan dan yang
sudah dikenal ciri-cirinya. Tujuan utama dari klasifikasi adalah mengorganisasikan
dan mengelompokkan data ke dalam kelas-kelas yang berbeda. Klasifikasi
mempunyai beberapa macam metode yang dapat disesuaikan dengan kebutuhan
6

3. aplikasi yang akan dibangun. Berikut ini adalah metode klasifikasi yang umum
dipakai sebagai analisis data:
a. Classification by Decision Tree Induction
b. Bayesian Classification
c. Classification by Neural Network
d. Associative-Classification Method
e. K-Nearest Neighbor Classifiers
f. Case-Based Reasoning
g. Genetic Algorithms
h. Rough Set Approach
i. Fuzzy Set Approach
Tugas akhir ini akan menggunakan salah satu dari metode klasifikasi di atas
yaitu K-Nearest Neighbor classifiers.
2.2.1.2 K-Nearest Neighbor
K-Nearest Neighbor Classifier didasari pada pembelajaran dengan persamaan
sampel yang diujikan untuk diuraikan oleh n-dimensi atribut angka Masing-masing
sampel merepresentasikan sebuah titik pada ruang n dimensi. Ketika ada sebuah sampel
yang tidak diketahui, K-Nearest Neighbor Classifiers mencari pola ruang dari K
sampel yang diuji yang mana sampel tersebut dicari yang terdekat dengan sampel
yang tidak diketahui. Terdekat artinya jarak kedekatan data berdasarkan aturan
Euclidean distance. Aturan pada Euclidean Instance dihitung diantara dua titik, dan
setiap attribut telah mendapatkan bobot nilainya.(Mehmed Kantardzic, 2002, hlm.
29).
K-Nearest Neighbor Classifier adalah instane-based ataupun lazy learnes
karena metode ini menyimpan semua sampel yang akan dihitung dan tidak
membentuk sebuah classifier sampai ada sampel baru yang tidak diketahui labelnya
tetapi akan diklasifikasikan. Ini sangat berbeda dengan metode eager learning seperti
decision tree dan backpropagation, yang secara langsung membentuk model
classifier sebelum menerima sampel baru untuk diklasifikasikan.
Adapun algoritma dalam melakukan prediksi dengan menggunakan metode KNearest Neighbor adalah sebagai berikut ini :
7

4. 1. Tentukan nilai K dimana nilai tersebut akan digunakan sebagai parameter
pembatas jumlah titik sampel yang akan diuji.
2. Hitung beda antara semua titik sampel dengan titik uji. Kemudian urutkan
dari yang paling dekat dengan titik uji.
3. Dimulai dari titik sampel yang paling dekat, sampai urutan ke- K lakukan
pencarian nilai mayoritas yang dinyatakan oleh titik sampel.
4. Nilai mayoritas tersebut adalah merupakan hasil prediksi.
2.2.2
Forex
Forex ini adalah singkatan dari Foreign Exchange. Sebagai contoh, di Eropa
mata uang beredar disebut Euro (EUR) dan di Amerika Serikat, mata uang yang
beredar disebut Dolar AS (USD). Sebuah contoh dari perdagangan forex adalah
untuk membeli Euro, sementara secara bersamaan menjual US Dollar. Hal ini akan
disingkat EUR / USD.
2.2.2.1 Pasar Forex
Pasar Forex merupakan pasar yang besar dengan keuangan tumbuh dan liquid
(bisa deposit dan dicairkan setiap saat) yang beroperasi 24 jam sehari. Ini bukan
pasar dalam arti tradisional karena tidak ada lokasi pusat perdagangan. Sebagian
besar perdagangan dilakukan melalui jaringan perdagangan elektronik. Pasar valuta
asing memungkinkan perusahaan, bank dan lembaga keuangan lainnya untuk
membeli dan menjual mata uang asing dalam jumlah yang besar.
Pasar utama untuk mata uang adalah pasar "antar bank" dimana bank-bank,
perusahaan besar dan lembaga-lembaga keuangan besar mengelola risiko yang
terkait dengan fluktuasi nilai tukar mata uang.
2.2.2.2 Analisis Harga Forex
Dalam melakukan transaksi jual beli forex, diperlukan kepiawaian dalam
melakukan analisis untuk menghindari kerugian besar dalam berinvestasi. Dengan
analisis yang tepat, para investor dapat memperoleh keuntungan yang besar terhadap
investasi di pasar forex. Secara umum ada 2 jenis analisis harga forex, antara lain:
a. Analisis Fundamental
Analisis fundamental adalah metode analisis yang didasarkan pada
fundamental ekonomi perusahaan. Teknis ini menitikberatkan pada rasio finansial
dan kejadian-kejadian yang secara langsung maupun tidak langsung mempengaruhi
8

5. kondisi keuangan perusahaan seperti harga bahan pokok yang dipergunakan dalam
menjalankan kegiatan operasional pada perusahaan tersebut. Sebagian pakar
berpendapat bahwa teknik analisis fundamental lebih cocok untuk membuat
keputusan dalam memilih forex perusahaan mana yang akan dibeli untuk jangka
panjang.
b. Analisis Teknikal
Menurut Kirkpatrick dan Dahlquist, 2006, Hlm. 3, analisis teknikal
merupakan suatu teknik analisis yang dikenal dalam dunia keuangan yang digunakan
untuk memprediksi trend suatu harga forex dengan cara mempelajari data pasar yang
lampau, terutama pergerakan harga dan volume. Analisis teknikal tidak
memperhatikan faktor-faktor yang digunakan dalam melakukan analisis fundamental
seperti ilmu akuntansi, ekonomi mikro atau makro, bidang sosial politik , dll. Motto
dasar yang digunakan dalam analisis ini adalah “buy low sell high” atau “buy high
sel higher”.
Menurut John Murphy, 1999, keunikan dengan cara ini adalah analisis baru
dimulai setelah harga terbentuk. Kekuatan-kekuatan pasar secara kolektif yang
menyebabkab pembentukan harga. Kekuatan ini adalah hasil analisis fundamental
yang dilakukan oleh para investor dan penggerak pasar lainnya. Analisis teknikal
mempelajari hasil dari kekuatan ini serta hubungan tarik-menarik antara permintaan
dan penawaran. Dalam sudut pandang analisis teknikal, semua faktor fundamental
telah termasuk di dalamnya dan direpresentasikan oleh harga yang terbentuk,
sehingga tidak perlu lagi memperhatikan segi fundamental suatu forex. Yang
diperlukan adalah ilmu yang tepat serta kemampuan dalam membaca dan
memperkirakan arah pergerakan harga forex di masa yang akan datang.
Terdapat banyak metode yang dapat dilakukan untuk melakukan analisis
teknikal pada forex. Salah satu metode yang sering dipakai para investor dalam
melakukan analisis forex adalah metode pivot point. Di bawah ini dijelaskan
mengenai metode pivot point.
Analisis Teknikal juga meliputi 5 indikator di bawah ini:
I.
Simple Moving Averages (SMA)
Menurut Scot lawry 1998, simple moving average merupakan sebuah
indikator dalam dunia pasar modal, yang menganalisis pergerakan harga
9

6. suatu indeks forex. SMA merupakan rata-rata harga forex dalam kurun
waktu tertentu, yang dinyatakan dengan rumus
SMA (n) = (H-(n-1) + H-(n-2) + ... + H-2 + H-1 + H) / n ...............[2.1]
Sebagai contoh, misalkan ada data harga pair mata uang sebagai berikut.
1800, 1825, 1845, 1830, 1860, 1905, 1895, 1920, 1945
SMA (3) = (1945 + 1920 + 1895) / 3 = 5760 / 3 = 1920
SMA (5) = (1945 + 1920 + 1895 + 1905 + 1860) / 5 = 9525 / 5 = 1905
Secara sederhana, SMA menjumlahkan rata-rata data terakhir dari
pergerakan harga. SMA (3) berarti mengambil rata-rata dari harga 3 hari
terakhir. Sedang SMA (5) berarti mengambil rata-rata dari harga 5 hari
terakhir. Dalam skripsi ini, SMA akan digunakan sebagai indikator
memprediksi masa depan pergerakan indeks forex. SMA yang digunakan
adalah SMA (5) dan SMA (20). Bila nilai SMA (5) berada di atas SMA (20)
berarti disebut harga saat ini
di atas rata-rata harga setahunan. Dan
sebaliknya bila nilai SMA (5) berada di bawah SMA (20) berarti disebut
harga saat ini di bawah harga setahunan.
II.
Relative Strength Index (RSI)
Menurut John Hayden 2004, Relative strength index merupakan
sebuah indikator dalam dunia pasar modal, yang membandingkan pergerakan
harga naik (gains) dan turun (loses) dalam kurun waktu tertentu. Misalnya
RSI (5) berarti membandingkan jumlah kenaikkan harga dalam 5 hari
terakhir dengan jumlah penurunan harga dalam 5 hari terakhir.
Dalam praktik permainan di pasar modal, RSI dihitung menggunakan tools
khusus. Para pemain pasar modal biasa menggunakan RSI sebagai indikator
apakah harga suatu indeks sudah terlalu kemahalan atau kemurahan. Jika
harga suatu indeks kemahalan (OverBought), maka investor akan menjual
investasinya
memanfaatkan
momentum
harga
yang
sedang
tinggi.
Sebaliknya, jika harga suatu indeks kemurahan (OverSold), maka investor
akan membeli sejumlah instrumen investasi memanfaatkan momentum harga
yang sedang murah.
Dalam skripsi ini digunakan indikator RSI (14) sebagai indikator utama.
Apabila nilainya mencapai di bawah 20, akan disebut Very OverSold, bila
10

7. nilainya mencapai dibawah 30 akan disebut OverSold, di rentang 30 – 70
disebut Normal, diatas 70 disebut OverBought, dan di atas 80 disebut very
OverBought.
III.
Stochastic
Merupakan indikator bertipe oscilattor, yang diciptakan oleh George C. Lane
pada sekitar 1950-an. Indikator Stochastic ini bersifat oscillator, yang berarti
nilainya berada pada rentang tertentu yang selalu tetap, yakni rentang 0 –
100. Indikator Stochastic memiliki sedikit kemiripan dengan RSI dan SMA.
Perbedaannya, indikator Stochastic lebih stabil dibanding RSI. Oleh karena
itu, untuk trend jangka pendek, RSI lebih sering digunakan. Sedangkan
untuk trend jangka panjang, Stochastic lebih sering digunakan. Dalam skripsi
ini, indikator Stochastic yang digunakan adalah tipe Slow Stochastic. Alasan
pemilihan indikator jenis Slow Stochastic adalah karena dia lebih bersifat
jangka panjang, dan karenanya cocok untuk mengoreksi kelemahan RSI
yang lebih bersifat jangka pendek. Lebih lanjut, dalam skripsi ini, indikator
Slow Stochastic yang digunakan akan memiliki beberapa nilai yaitu Very
Over Bought ,Over Bought, Normal, Over Sold dan Very Over Sold
Dengan menggunakan lebih banyak nilai indikator, maka hasil penelitian
dalam skripsi ini diharapkan akan lebih akurat.
IV.
Parabolic SAR
Merupakan grafik infikator yang diciptakan J Welles Wilder pada
tahun 1978. Parabolic SAR, yang merupakan kependekan dari Stop And
Reserve, merupakan indikator untuk melihat kapan terjadi pembalikan trend,
misalnya dari trend penurunan ke trend kenaikkan, atau sebaliknya dari trend
kenaikkan berbalik ke trend penurunan.
Dalam dunia forex, ketika trend berada di posisi menurun secara klimaks,
dan kemudian mulai berbalik naik, maka biasanya pelaku dunia forex akan
melakukan Buy (Beli). Sebab harga-harga forex sedang berada di puncak
penurunan, yang artinya sedang murah-murahnya. Sebaliknya ketika trend
berada di posisi naik secara klimaks, dan kemudian mulai berbalik turun,
maka biasanya pelaku dunia forex akan melakukan Sell (Jual). Sebab harga
harga forex sedang berada di puncak kenaikkan, yang artinya sedang mahal
11

8. mahalnya. Karena indikator Parabolic SAR mampu memprediksi kondisi
kenaikkan dan penurunan klimaks, maka dalam praktik dunia forex,
indikator Parabolic SARS dianggap mampu menentukan kapan sinyal Buy
dan Sell. Dalam skripsi ini, indikator Parabolic SAR akan memiliki dua nilai
tersebut. Buy Signal dan Sell Signal. Penggunaan indikator Parabolic SAR
dalam skripsi ini, adalah karena indikator ini telah diakui secara luas oleh
para investor di dunia forex, Forex, maupun reksadana.
V.
William Indicator
Merupakan grafik indikator yang diciptakan Larrys William pada tahun
1987. Indikator William merupakan suatu indikator yang sudah amat lazim
digunakan di dunia keuangan global.Fakta ini menunjukkan kekuatan
indikator William.
Indikator William bersifat konfirmasi, yang menguatkan bukti apakah trend
pasar akan naik atau turun. Sebagai contoh, apabila indikator RSI dan SMA
menyatakan pasar akan naik, dan dikuatkan dengan sinyal yang sama pada
indikator William, maka prediksi tersebut akan lebih akurat daripada jika
tidak dikuatkan dengan indikator William. Dengan kata lain, indikator
William amat berfaedah untuk meningkatkan akurasi prediksi para investor.
Adapun indikator William dinyatakan dengan rumus:
%R = -100 * [(highest high over 28 periods - close) / (highest high over 28
periods lowest low over 28 periods)] .............................................[2.2]
Dengan rumus tersebut, maka nilai dari indikator William akan selalu berada
pada rentang -0 sampai -100. Adapun cara penggunaan indikator William
cukup mudah. Apabila nilainya berada diatas -50, maka itu berarti indikator
William menunjukkan bahwa trend akan naik. Sebaliknya, apabila indikator
William berada dibawah -50, maka
itu berarti indikator William
menunjukkan bahwa trend akan turun.
Walaupun cukup sederhana, namun penggunaan indikator William terbukti
mampu meningkatkan keakuratan analisis pelaku dunia ekonomi. Karena
alasan itulah, maka indikator William akan ikut dimasukkan dalam penelitian
di skripsi ini.
12

9. 2.2.2.3 Metode Pivot Point
Pivot point merupakan salah satu indikator analisis teknikal yang dapat
membantu trader untuk menentukan nilai pivot, support dan resistance. Pivot
biasanya dianggap sebagai satu kondisi dimana perubahan harga forex tidak terlalu
signifikan. Support merupakan area dimana harga forex cukup murah sehingga orang
akan cenderung membeli forex tersebut. Sedangkan resistance merupakan kebalikan
dari support yaitu area dimana orang menganggap harga forex terlalu mahal untuk
dibeli dan akan sangat menguntungkan jika kita memiliki forex tersebut dan
menjualnya. Sistem ini menggunakan lima parameter pivot points untuk menentukan
sinyal pengambilan keputusan. Parameter tersebut antara lain Rumus untuk mencari
pivot point antara lain :
Pivot (P) = (High + Low + Close) / 3
R1
= (2 x P) – Low
R2
= P + High – Low
S1
= (2 x P) – High
S2
= P + Low – High
[2.3]
Keterangan rumus:
Support 2 (S2) : batas bawah kedua harga terlalu murah
Support 1 (S1) :batas bawah pertama harga terlalu murah
Pivot (P):
Resistance 1 (R1): batas atas pertama harga terlalu mahal
Resistance 2 (R2): batas atas kedua harga terlalu mahal
13