Article Per Year (5 Year)
p-Index From 2020 - 2025
2.177
P-Index
This Author published in this journals
All Journal Journal of Software Engineering Ampera KARYA: Jurnal Pengabdian Kepada Masyarakat Jurnal Pustaka Mitra : Pusat Akses Kajian Mengabdi Terhadap Masyarakat Journal Of Human And Education (JAHE) Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Elektriese: Jurnal Sains dan Teknologi Elektro Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS Jurnal Benuanta Jurnal Rekayasa Sistem Informasi dan Teknologi Jurnal Pustaka Robot Sister Jurnal Pustaka Paket
Baradja, Abdillah
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Software Engineering Ampera

 1 
Pemanfaatan Recurrent Neural Network (RNN) Untuk Meningkatkan Akurasi Prediksi Mata Uang Pada Forex Trading Baradja, Abdillah; Sukoco, Sukoco
Journal of Software Engineering Ampera Vol. 4 No. 2 (2023): Journal of Software Engineering Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalsea.v4i2.505

Abstract

Penelitian ini berfokus pada penerapan teknologi machine learning, khususnya Recurrent Neural Network (RNN) dan variasinya seperti Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU), untuk meningkatkan akurasi dalam prediksi pergerakan mata uang di pasar Forex. Dalam konteks di mana machine learning mendominasi analisis data cepat dalam trading forex, risiko keuangan yang tinggi, ketidakpastian pasar yang kompleks, dan tantangan ketidakakuratan prediksi model menjadi kendala utama. Penelitian ini membahas kemampuan RNN dalam memproses data berurutan dan mempertahankan informasi jangka pendek, yang menawarkan solusi terhadap keterbatasan neural network konvensional dalam analisis data berurutan. Dengan menggunakan data harga EUR/USD dari dua tahun terakhir, kami menemukan bahwa implementasi RNN, khususnya melalui LSTM dan GRU, menghasilkan penurunan signifikan dalam kesalahan prediksi, menunjukkan peningkatan kinerja model. Hasil ini menegaskan efektivitas RNN dalam memprediksi dinamika pasar Forex dan menjanjikan pendekatan yang lebih akurat dan andal dalam pemodelan dan peramalan harga mata uang, yang merupakan kunci untuk praktik trading Forex yang sukses. Ini memperkuat potensi machine learning dalam menyediakan alat yang kuat untuk trader dan analis dalam menghadapi pasar yang sangat tidak pasti dan fluktuatif.
Co-Authors Gesang Kristianto Nugrohotomo Jani Kusanti Muhammad Taufik Rusydi Mukti, Bayu Oktaviandre, Frido Romadhoni, Alvian Nur Sukoco Sukoco Sukoco Tri Irianto TJ